Observer les données de la recherche avec les lunettes du genre ne constitue pas une démarche anodine car elle sous-tend nécessairement une dimension politique sous-jacente. Opérer une quantification sexuée constitue une première étape de la démarche, étape qui n'est d'ailleurs pas toujours aisée. Le passage d'une analyse sexuée à une analyse genrée revêt ensuite un enjeu crucial. Dans ce papier, après avoir précisé la terminologie de "lunettes du genre", nous proposons d'amener une discussion sur ce passage à l'analyse genrée des données de la recherche, sur l'apport de la pluridisciplinarité et sur l'enjeu de cette analyse. Pour ce faire, nous nous appuierons sur le cas de données de la recherche relevant du domaine de l'informatique, mettant en avant le contexte genré de cette discipline.

La formule de Lance et Williams permet d'unifier plusieurs méthodes de classification ascendante hiérarchique (CAH). Dans cet article, nous suppo-sons que les données sont représentées dans un espace euclidien et nous établis-sons une nouvelle expression de cette formule en utilisant les similarités cosinus au lieu des distances euclidiennes au carré. Notre approche présente les avan-tages suivants. D'une part, elle permet d'étendre naturellement les méthodes classiques de CAH aux fonctions noyau. D'autre part, elle permet d'appliquer des méthodes d'écrêtage permettant de rendre la matrice de similarités creuse afin d'améliorer la complexité de la CAH. L'application de notre approche sur des tâches de classification automatique de données textuelles montre d'une part, que le passage à l'échelle est amélioré en mémoire et en temps de traitement; d'autre part, que la qualité des résultats est préservée voire améliorée.

Information retrieval from textual data focuses on the construction of vocabularies that contain weighted term tuples. Such vocabularies can then be exploited by various text analysis algorithms to extract new knowledge, e.g., top-k keywords, top-k documents, etc. Top-k keywords are casually used for various purposes, are often computed on-the-fly, and thus must be efficiently computed. To compare competing weighting schemes and database implementations, benchmarking is customary. To the best of our knowledge, no benchmark currently addresses these problems. Hence, in this paper, we present a top-k keywords benchmark, T²K², which features a real tweet dataset and queries with various complexities and selectivities. T²K² helps evaluate weighting schemes and database implementations in terms of computing performance. To illustrate T²K²'s relevance and genericity, we successfully performed tests on the TF-IDF and Okapi BM25 weighting schemes, on one hand, and on different relational (Oracle, PostgreSQL) and document-oriented (MongoDB) database implementations, on the other hand.