BM25t : une extension de BM25 pour la Recherche d'Information ciblée

Mathias Géry (1) , Christine Largeron (1) , Thollard Franck (2)

1 LHC - Laboratoire Hubert Curien
2 LIG - Laboratoire d'Informatique de Grenoble

Cet article traite de l'intégration des balises XML dans la fonction de pondération des termes, pour la Recherche d'Information (RI) XML ciblée. Notre modèle permet de considérer un certain type d'information structurelle : les balises qui représentent la structure logique des documents (titre, section, paragraphe, etc.), ainsi que les balises liées à la mise en forme (gras, italique, centré, etc.). Nous prenons en compte l'influence des balises sous forme d'un poids en estimant la probabilité pour une balise de mettre en évidence les termes pertinents. Ensuite, ces poids sont intégrés à la fonction de pondération des termes. Des expérimentations sur une collection de grande taille dans le cadre de la compétition de RI XML, INEX 2008, ont montré une amélioration de la qualité des résultats en RI ciblée.

Mots clés: Modèle probabiliste de document; Recherche d'information structurée; XML; Balises; Pondération; BM25

Domaines: Recherche d'information [cs.IR]

Mathias Géry, Christine Largeron, Thollard Franck. BM25t : une extension de BM25 pour la Recherche d'Information ciblée. Document numérique - Revue des sciences et technologies de l'information. Série Document numérique, 2010, 13 (1), pp.83-110. ⟨hal-00531162⟩