Modéle De Langue Mixte Combinant Entités Nommées Et Mots Simples

Résumé: Notre travail se situe dans le cadre de l’utilisation des entités nommées pour l’amélioration de la qualité de la recherche. L’approche que nous avons adoptée consiste à combiner le modèle des termes simples avec celui des entités nommées pour en créer un modèle mixte. Nous avons vu que le problème majeur de la traduction de requêtes est l’ambigüité des termes sources. La pluparts des systèmes de recherches d’informations(SRI) utilisent des mots simples pour représenter des documents et des requêtes. Il est reconnu depuis longtemps que cette représentation est insuffisante à cause de l’ambigüité des mots isolés et du non prise en compte des relations entre les mots. Naturellement il faut choisir un modèle de RI qui supporte une telle représentation. Notre choix s’est fixé sur les modèles de langue étant données les performances qu’ils ont montrées. Afin de sélectionner les documents susceptibles de répondre à une requête, un SRI évalue la pertinence d’un document vis-à-vis d’une requête, mais les documents retournés par le SRI, ne répondent pas toujours au besoin de l’utilisateur. Pour prendre en compte cette difficulté, un modèle mixte est utilisé, afin d’obtenir des requêtes optimales, le fait que pour sélectionner les bons termes à ajouter à la requête il faut au préalable choisir les bons documents dans lesquels on cherche les termes pour booster la recherche. Les expérimentations et évaluations que nous avons réalisées en utilisant la collection TIME sur la plateforme de recherche d’information Terrier, ont permet de valider notre approche. Plus précisément, les résultats obtenus mettent en exergue l’intérêt de l’approche d’un modèle mixte.

Publié dans la revue: