Extraction et recherche d'information en langage naturel dans les documents semi-structurés - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2006

Information extraction and retrieval in natural language in semi-structured documents

Extraction et recherche d'information en langage naturel dans les documents semi-structurés

Xavier Tannier

Résumé

Information retrieval in semi-structured (practically written in XML)
mixes aspects of traditional information retrieval and of database
querying. The structure is very important, but the information
need is vague. The retrieval unit can have different sizes (a
paragraph, a figure, an entire article\dots). Furthermore, XML
flexibility may create some breaks in the natural flow of the
text.

Problems raised at this level are many, notably for document content
analysis and querying. We studied the specific solutions that could
bring the natural language processing (NLP) techniques. We proposed
a theoretical frame and a practical approach to allow the use of
traditional textual analysis techniques in XML documents, disregarding
the structure. We also conceived an interface for querying XML documents
in natural language, and proposed methods using the structure in order
to improve the retrieval of relevant elements.
La recherche d'information (RI) dans des documents semi-structurés
(écrits en XML en pratique) combine des aspects de la RI
traditionnelle et ceux de l'interrogation de bases de données. La
structure a une importance primordiale, mais le besoin d'information
reste vague. L'unité de recherche est variable (un paragraphe, une
figure, un article complet\dots). Par ailleurs, la flexibilité du
langage XML autorise des manipulations du contenu qui provoquent
parfois des ruptures arbitraires dans le flot naturel du texte.

Les problèmes posés par ces caractéristiques sont nombreux, que ce
soit au niveau du pré-traitement des documents ou de leur
interrogation. Face à ces problèmes, nous avons étudié les solutions
spécifiques que pouvait apporter le traitement automatique de la
langue (TAL). Nous avons ainsi proposé un cadre théorique et une
approche pratique pour permettre l'utilisation des techniques
d'analyse textuelle en faisant abstraction de la structure. Nous avons
également conçu une interface d'interrogation en langage naturel pour
la RI dans les documents XML, et proposé des méthodes tirant profit de
la structure pour améliorer la recherche des éléments pertinents.
Fichier principal
Vignette du fichier
these_tannier.pdf (2.46 Mo) Télécharger le fichier
06_09_27_These.ppt (1014 Ko) Télécharger le fichier
Format : Autre
Loading...

Dates et versions

tel-00121721 , version 1 (21-12-2006)

Identifiants

  • HAL Id : tel-00121721 , version 1

Citer

Xavier Tannier. Extraction et recherche d'information en langage naturel dans les documents semi-structurés. domain_stic.othe. Ecole Nationale Supérieure des Mines de Saint-Etienne, 2006. Français. ⟨NNT : ⟩. ⟨tel-00121721⟩
480 Consultations
4375 Téléchargements

Partager

Gmail Facebook X LinkedIn More