Modélisation, indexation et recherche de documents structurés - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 1998

Modeling, indexing and retrieval of structured documents

Modélisation, indexation et recherche de documents structurés

Résumé

Electronic document retrieval systems, either database management systems or information retrieval systems, do not exploit the complete richness of documents. The formers do not extract the semantic from document and are only guided by document structure while the others ones neglect structural aspect and use methods which do not fit to novel features of structured documents. Our goal is to reconcile the different ways to access electronic documents. We also want to provide access to every parts of document which could solve the users information problem. Our work encompasses two steps: the definition of a model of structured document capable to host monomedia and multimedia components (text and still images) and the set up of a structural indexing process suitable for query process. The structured document model is based on three structural relations coming from textual documents: the composition relation, the sequential relation and the reference relation. These relations define the syntactic organisation of document parts, named structural elements. Starting from this organisation, we underscore the dual organisation, the semantic organisation, and we exploit its features to define the descriptor properties on structural elements. We formalize these properties by the notion of attributes scope and by the underlying attributes classification. The scope of attributs point out which structural elements are concerned by which attributes and values. Even if we do not modify the information that describes the document and its parts, we explicit them and we propose a better distribution in which the informations, that is attributes and their values, depend each others. The query process uses these dependecies to give access to relevant document or part of documents. Our prototype, my Personal Daily News, shows the validity of ou work. We provide query mixing structure and content on french daily newspaper. Thanks to our approach, structural elements are made accessible and we also considerably increase the querying flexibility by allowing to the users to only have a partial knowledge of the document structure.
Les systèmes actuels de recherche de documents électroniques, que ce soit des systèmes de gestion de bases de données ou des systèmes de recherche d'informations, n'exploitent pas suffisament la richesse des documents. Les uns n'analysent pas le contenu des documents et se laissent diriger par la structure du document alors que les autres délaissent l'aspect structurel en s'appuyant sur des méthodes trop peu adaptées aux nouvelles caractéristiques de ces documents. Le but de notre travail, situé à l'intersection de ces deux types de systèmes, est de réconcilier les différentes modalités d'accès aux documents électroniques et de rendre accessible tout document ou toute partie de documents qui peut résoudre le problème d'informations d'un utilisateur. Notre travail comporte plusieurs phases : la définition de modèles de représentation des documents structurés ainsi que de leurs composantes monomédias et multimédias (texte et image fixe) et la mise en place d'un processus d'indexation structurelle support du processus d'interrogation. Le modèle de représentation des documents structurés s'articule autour de trois relations de structure que nous avons particulièrement identifiées dans les documents textuels : la relation de composition, la relation de séquence et la relation de référence. Elles établissent l'organisation syntaxique des parties des documents, appelées éléments de structure, qui comme nous le montrons, possède une organisation duale, la structure sémantique. Nous exploitons les caractéristiques de cette dernière pour définir des propriétés sur les descripteurs des éléments de structure. Ces propriétés sont formalisées par la notion de portées des attributs et par la classification des attributs qui s'en suit. Pour chaque attribut d'un élément de structure, sa portée indique les autres éléments de structure concernés par l'attribut et par sa valeur. C'est en suivant les relations de structure que nous retrouvons les éléments concernés, puis nous leur assignons un attribut et une valeur dépendante de la valeur de l'attribut de l'élément qui est à la source de l'information. L'application des portées fournit une représentation du document au sein de laquelle les informations, si elles ne sont pas modifiées, sont mieux réparties et pour laquelle la plupart des informations sont explicitées pour chaque élément de structure et sont rendues dépendantes les unes des autres. Le processus d'interrogation utilise ces dépendances pour retrouver le ou les éléments de structure pertinents d'un document structuré. Nous avons validé ce travail par le développement du prototype my Personal Daily News qui permet d'interroger une base constituée de quotidiens d'informations en mêlant dans les requêtes des critères structurels et des critères de contenu. Nous montrons ainsi que notre approche rend des éléments accessibles et augmente la flexibilité d'interrogation en autorisant une connaissance imparfaite de la structure des documents.
Fichier principal
Vignette du fichier
tel-00004888.pdf (1.96 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00004888 , version 1 (19-02-2004)

Identifiants

  • HAL Id : tel-00004888 , version 1

Citer

Franck Fourel. Modélisation, indexation et recherche de documents structurés. Autre [cs.OH]. Université Joseph-Fourier - Grenoble I, 1998. Français. ⟨NNT : ⟩. ⟨tel-00004888⟩

Collections

UGA IMAG CNRS UJF
323 Consultations
382 Téléchargements

Partager

Gmail Facebook X LinkedIn More