Apprentissage d’ordonnancements en recherche d’information structurée

Simple item page
dc.contributor.authorChaa, Messaoud
dc.date.accessioned2014-01-29T11:26:35Z
dc.date.available2014-01-29T11:26:35Z
dc.date.issued2013-03-23
dc.description.abstractL’adoption accrue de XML comme format standard pour représenter les documents structurés nécessite le développement des systèmes, efficients et efficaces, capable de retrouver les éléments XML pertinents à une requête d'utilisateur. Ces éléments sont ensuite présentés ordonnés en fonction de leur pertinence par rapport à la requête. Généralement la stratégie adoptée consiste à combiner plusieurs sources de pertinences dans une seule fonction de score et le poids de chaque source est donné manuellement selon des méthodes empiriques. Il est connu que, dans la recherche d’information classique, compte tenu de plusieurs sources de pertinences et l’utilisation des méthodes d’apprentissage d’ordonnancement en combinant ces sources de pertinences, améliore la performance des systèmes de recherche d’information. Dans ce travail, certains caractéristiques de pertinences des éléments XML, ont été définies et utilisées pour l’apprentissage d’ordonnancement dans les documents structurés. Notre objectif est de combiner ces caractéristiques afin d’obtenir la bonne fonction d’ordonnancement et montrer l’impact de chaque caractéristique dans la pertinence de l’élément XML. Des expérimentations sur une grande collection de la compagne d’évaluation de la recherche d’information XML (INEX) ont montré la performance de notre approche.fr_FR
dc.identifier.urihttp://dl.cerist.dz/handle/CERIST/582
dc.relation.ispartofMémoires de Magister
dc.specialityInformatique : Réseaux et Systèmes Distribués
dc.subjectRecherche d’information structuréefr_FR
dc.subjectApprentissage d’ordonnancementfr_FR
dc.subjectXMLfr_FR
dc.subjectBM25fr_FR
dc.subjectRanking SVMfr_FR
dc.titleApprentissage d’ordonnancements en recherche d’information structuréefr_FR
dc.typeThesisfr_FR
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Memoire_CHAA.pdf
Size:
1.32 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Magister theses