Déploiement de Modèles de Catégorisation sous Viya 4

Comment catégoriser du texte efficacement avec SAS Viya ? - applyCategory

L'action applyCategory du Text Analytics Rule Score Action SetGemini said
Groupe logique de fonctionnalités CAS (Cloud Analytic Services) contenant des actions spécifiques (statistiques, data mining, etc.) pour traiter les données en mémoire de manière optimisée. dans SAS Viya permet de catégoriser du texte en utilisant un modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). de catégorie pré-existant, généralement stocké dans un fichier MCO (Model for Category Outlier). Cette action est essentielle pour automatiser l'analyse thématique de grands volumes de données textuelles.

Schéma : Comment catégoriser du texte efficacement avec SAS Viya ?

Exemple de Code Additionnel

/* CASL Script : Application d'un Modèle de Catégorisation Textuelle
(c) Nicolas Housset 2026 */

proc cas;
/* 1. Chargement de l'Action Set d'analyse textuelle */
session casauto;
loadactionset "textRuleScore";

/* 2. Application du modèle MCO sur les nouvelles données */
textRuleScore.applyCategory /
    /* Table source contenant les textes à analyser */
    table={
        name="documents_entrants", 
        caslib="Public"
    }
    /* Table contenant le modèle de catégorie compilé (MCO) */
    model={
        name="modele_categories_mco", 
        caslib="Models"
    }
    /* Variables clés */
    docId="Document_ID"
    text="Contenu_Texte"
    
    /* Table de sortie avec les scores et catégories assignées */
    casOut={
        name="resultats_categories", 
        caslib="Public", 
        replace=true
    }
    /* Table de sortie détaillée pour la traçabilité des règles (Best Practice) */
    matchOut={
        name="details_correspondances", 
        caslib="Public", 
        replace=true
    }
;

/* Vérification du statut de l'exécution */
print "Statut de l'action applyCategory : " _status_;
run;
quit;

1	<pre>/* CASL Script : Application d'un Modèle de Catégorisation Textuelle
2	(c) Nicolas Housset 2026 */
3	PROC CAS;
4	/* 1. Chargement de l'Action Set d'analyse textuelle */
5	SESSION casauto;
6	LOADACTIONSET "textRuleScore";
7	/* 2. Application du modèle MCO sur les nouvelles données */
8	textRuleScore.applyCategory /
9	/* Table source contenant les textes à analyser */
10	TABLE={
11	name="documents_entrants",
12	caslib="Public"
13	}
14	/* Table contenant le modèle de catégorie compilé (MCO) */
15	model={
16	name="modele_categories_mco",
17	caslib="Models"
18	}
19	/* Variables clés */
20	docId="Document_ID"
21	text="Contenu_Texte"
22	/* Table de sortie avec les scores et catégories assignées */
23	casOut={
24	name="resultats_categories",
25	caslib="Public",
26	replace=true
27	}
28	/* Table de sortie détaillée pour la traçabilité des règles (Best Practice) */
29	matchOut={
30	name="details_correspondances",
31	caslib="Public",
32	replace=true
33	}
34	;
35	/* Vérification du statut de l'exécution */
36	PRINT "Statut de l'ACTION applyCategory : " _status_;
37	RUN;
38	QUIT;</pre>

Exemples pour l'action applyCategory

Catégorisation basique de documents

Gemini said
Cet exemple automatise l'extraction de concepts via l'action applyCategory. Il projette un modèle de règles linguistiques sur un corpus CAS pour mapper chaque docId à ses thématiques cibles.

Catégorisation détaillée avec extraction des correspondances (matches)

Cet exemple déploie un scoring pondéré pour isoler les déclencheurs textuels. Il génère une traçabilité granulaire via matchOut et groupedMatchOut afin d'auditer les preuves de classification.

Conseil de l'Expert

Lors du traitement de très grands volumes de données textuelles (Big Data), l'optimisation de la mémoire distribuée est cruciale. Assurez-vous toujours que votre table d'entrée possède un identifiant unique (Document ID) correctement indexé. De plus, bien que l'action génère une table principale de résultats (casOut), je vous recommande vivement d'utiliser l'option matchOut en phase de recette (UAT). Cette option génère une table détaillée listant exactement quelles règles ou termes ont déclenché l'affectation à une catégorie spécifique, ce qui est indispensable pour expliquer les résultats aux métiers et affiner le modèle MCO.

Cette réponse vous a-t-elle aidé ?