Vers une représentation du contexte thématique en Recherche d'Information
Résumé
When searching for information within knowledge bases or document collections, humans use an information retrieval system (IRS). So that it can retrieve documents containing relevant information, users have to provide the IRS with a representation of their information need. Nowadays, this representation of the information need is composed of a small set of keywords often referred to as the query. A few words may however not be sufficient to accurately and effectively represent the complete cognitive state of a human with respect to her initial information need. A query may not contain sufficient information if the user is searching for some topic in which she is not confident at all. Hence, without some kind of context, the IRS could simply miss some nuances or details that the user did not -- or could not -- provide in query. In this thesis, we explore and propose various statistic, automatic and unsupervised methods for representing the topical context of the query. More specifically, we aim to identify the latent concepts of a query without involving the user in the process nor requiring explicit feedback. We experiment using and combining several general information sources representing the main types of information we deal with on a daily basis while browsing the Web. We also leverage probabilistic topic models (such as Latent Dirichlet Allocation) in a pseudo-relevance feedback setting. Besides, we propose a method allowing to jointly estimate the number of latent concepts of a query and the set of pseudo-relevant feedback documents which is the most suitable to model these concepts. We evaluate our approaches using four main large TREC test collections. In the appendix of this thesis, we also propose an approach for contextualizing short messages which leverages both information retrieval and automatic summarization techniques.
Quand des humains cherchent des informations au sein de bases de connaissances ou de collections de documents, ils utilisent un système de recherche d'information (SRI) faisant office d'interface. Les utilisateurs doivent alors transmettre au SRI une représentation de leur besoin d'information afin que celui-ci puisse chercher des documents contenant des informations pertinentes. De nos jours, la représentation du besoin d'information est constituée d'un petit ensemble de mots-clés plus souvent connu sous la dénomination de requête. Or, quelques mots peuvent ne pas être suffisants pour représenter précisément et efficacement l'état cognitif complet d'un humain par rapport à son besoin d'information initial. Sans une certaine forme de contexte thématique complémentaire, le SRI peut ne pas renvoyer certains documents pertinents exprimant des concepts n'étant pas explicitement évoqués dans la requête. Dans cette thèse, nous explorons et proposons différentes méthodes statistiques, automatiques et non supervisées pour la représentation du contexte thématique de la requête. Plus spécifiquement, nous cherchons à identifier les différents concepts implicites d'une requête formulée par un utilisateur sans qu'aucune action de sa part ne soit nécessaire. Nous expérimentons pour cela l'utilisation et la combinaison de différentes sources d'information générales représentant les grands types d'information auxquels nous sommes confrontés quotidiennement sur internet. Nous tirons également parti d'algorithmes de modélisation thématique probabiliste (tels que l'allocation de Dirichlet latente) dans le cadre d'un retour de pertinence simulé. Nous proposons par ailleurs une méthode permettant d'estimer conjointement le nombre de concepts implicites d'une requête ainsi que l'ensemble de documents pseudo-pertinent le plus approprié afin de modéliser ces concepts. Nous évaluons nos approches en utilisant quatre collections de test TREC de grande taille. En annexes, nous proposons également une approche de contextualisation de messages courts exploitant des méthodes de recherche d'information et de résumé automatique.
Fichier principal
thesis_romain_deveaud.pdf (1.43 Mo)
Télécharger le fichier
thesis_romain_deveaud_presentation.pdf (10.8 Mo)
Télécharger le fichier
Format | Autre |
---|