Introduction à la recherche d'information

Introduction à la recherche d'information

• Le besoin d'information est une expression mentale de l'utilisateur.
• Une requête est la représentation de ce besoin.
• La satisfaction du besoin d'information est exprimée par une requête sur un ensemble de documents appelé corpus.
• La recherche d'information (RI) est un ensemble de méthodes et de stratégies pour la recherche et la sélection des informations pertinentes.

Approche générale de la RI

• Trouver les documents qui contiennent les mêmes mots que la requête.
• La requête est un ensemble de mots clés.
• Comparer les mots de chaque document avec les mots de la requête.
• Sélectionner les documents qui contiennent les mots clés de la requête.

Modèle de correspondance

• L'ensemble des documents restitués à l'utilisateur.
• Les résultats affichés sont ordonnés en fonction du degré de pertinence.
• La pertinence des résultats dépend de la méthode de recherche implémentée par le système de recherche d'information.

Système de recherche d'information (SRI)

• Un ensemble de programmes assurant les fonctions nécessaires à la RI.
• Sélectionner les documents pertinents répondant à un besoin de l'utilisateur exprimé à l'aide d'une requête.
• Le SRI permet d'automatiser les tâches de RI.
• Réponse rapide, communication bidirectionnelle, sécurité et multiformat.

Problèmes du SRI

• Comment sélectionner ou identifier des informations hétérogènes (selon la langue, le format).

Indexation et référencement

• La recherche d'information étudie comment répondre de manière pertinente à une requête en trouvant les informations adéquates dans un corpus pour satisfaire le besoin de l'utilisateur.

Indexation

• Analyser un document pour définir son contenu.
• L'indexation est un processus permettant de construire un ensemble de mots clés qui caractérise le contenu d'un document.
• L'indexation facilite la RI en permettant de gagner du temps.

Importance de l'indexation

• Elle consiste à déterminer et extraire les termes représentatifs du contenu des documents.
• La qualité de la recherche dépend en grande partie de la qualité de l'indexation.

Types d'indexation

• Indexation manuelle : annotations réalisées par des humains (indexeurs).
• Indexation manuelle utilisée dans les bibliothèques.
• dépend du savoir-faire, des connaissances et de l'expérience de l'indexeur dans le domaine d'indexation.

Inconvénients de l'indexation manuelle

• Coûteuse
• Processus subjectif et humain
• Perte de temps

Processus d'indexation manuelle

• Analyser le contenu du document.
• Choisir les concepts (mots clés).
• Convertir les concepts en descripteurs.
• Réviser et relire.

Indexation automatique

• L'utilisation de l'ordinateur pour automatiser l'indexation à l'aide de techniques et méthodes informatiques.
• Faciliter la recherche d'informations.
• Diminuer le coût et le temps d'indexation.

Défis de l'indexation automatique

• Synonymes
• Orthographe
• Abréviations, sigles, acronymes
• Mélange de langages
• Homophonie (deux mots ayant deux sens)

Processus d'indexation automatique

• Pré-traitement textuel:
  • Input est une collection de documents textuels (corpus) généralement écrits en langage naturel.
  • Utilisation de techniques de Traitement Automatique des Langues Naturelles (TALN) pour rendre le langage compréhensible par la machine.
  • Le pré-traitement textuel est une méthode pour nettoyer et traiter les données textuelles afin d'alimenter les modèles de données.
  • Suppression des mots vides, symboles de ponctuation, etc.

Prétraitement morphologique (normalisation textuelle)

• Suppression des 32 ponctuations principales.