Calcul de pertinence basée sur la proximité pour la recherche d'information

Abstract

Annabelle.Mercier@emse.fr RÉSUMÉ. Le domaine de la recherche d'information, bien connu à travers les moteurs de recherche sur le web, utilise différents modèles comme le modèle booléen, le modèle vectoriel et la recherche de passage. D'autres approches prenant en compte la proximité des termes de la requête retrouvés dans les documents ont aussi prouvé leur efficacité. Dans ce contexte, nous posons l'hypothèse suivante : plus les termes de la requête se retrouvent proches (et ceci le plus grand nombre de fois) dans un document alors plus ce document doit être positionné en tête de la liste des réponses retournée par le système de recherche d'information. Tout d'abord, nous rappelons les diverses approches liées à notre recherche, ensuite nous proposons une méthode de calcul de pertinence basée sur la proximité floue -en chaque endroit du texte d'un document nous attribuons un degré de proximité floue à la requête -puis, nous montrons que notre méthode peut simuler le comportement des méthodes classiques. Avant de conclure, nous présentons les résultats des expériences ménées sur la collection CLEF 2004.ABSTRACT. Based on the idea that the closer the query terms are in a document, the more relevant this document is, we propose an information retrieval method based on a fuzzy proximity degree of term occurrences to compute document relevance to a query. Our model is able to deal with Boolean queries, but contrary to the traditional extensions of the basic Boolean information retrieval model, it does not explicitly use a proximity operator. A single parameter allows to control the proximity degree required. We demonstrate that our model can reproduce the behaviour of the classical coordination level, vector and boolean models. Then, before conclusion, we report some experiments on the CLEF 2004 test collection for french and we present the results. MOTS-CLÉS : logique floue, proximité des termes, recherche d'information. KEYWORDS: fuzzy information retrieval, term proximity. Document numérique. Volume 9 -n • 1/2006, pages 43 à 60 Cet article des Editions Lavoisier est disponible en acces libre et gratuit sur dn.revuesonline.com 44 Document numérique. Volume 9 -n • 1/2006 1. Implémenté par l'algorithme PageRank (Brin et al., 1998). 2.

Semantic and Contextual Knowledge Representation for Lexical Disambiguation: Case of Arabic-French Query Translation

“…With Cross Lingual Information Retrieval (CLIR), unlike monolingual IR, we cannot evaluate the adequacy of given result by merely applying a similarity function to queries and documents based, for example, on the vector model [29]. Because the central problem in CLIR is how to retrieve relevant documents in the target language, most CLIR systems include an automatic translation module that is applied to documents and/or queries in order to bring both into a single repository.…”