Information Retrieval Approach based on Recursive Query Shifting
Recherche d'information à base de Recursive Query Shifting
Résumé
In this paper, we introduce an information retrieval approach based on a Recursive Query Shifting. The idea is coming from the observation that precision value, in Precision/Recall curves, begins very high before downgrading and so no matter what the considered parameters: feature, matching measure, threshold, etc. In other words, the first results are commonly better than the other results coming later. Considering then the first returned result, recursively, as a query seems to contribute very well for improving the system accuracy. The idea is adopted firstly in the case of content based image retrieval and generalized for the case of documentary retrieval. The simple specificity is that the first returned image is considered as the new query, in the case of image retrieval, while the new query is extracted from the first returned document, in the case of text retrieval, for the reason that there is no documentary retrieval system with an entire document as a query. The proposed approach falls in the purview of mechanisms for pseudo relevance feedback with long-term learning helping to improve the interrogation protocol. It consists to reformulate the original submitted query recursively as an attempt for being closer to the user requirement as well as to the other collection elements. The approach is materialized into two algorithms namely QRM1 and QRM2. The experiments conducted on returned Google Scholar results as a text collection and COREL-1K images benchmark yield very promising results.
Dans cette communication, on introduit une approche de recherche d'information à base de Recursive Query Shifting. L'idée vient du constat que les valeurs de précision, au niveau des courbes Précision/Rappel, commencent en haut avant de se baisser et ce quelque soient les paramètres considérés: caractéristique, mesure d'appariement, seuil, etc. Autrement dit, les premiers résultats sont généralement meilleurs que les autres résultats qui viennent après. Considérons alors le premier résultat retourné, récursivement, comme une nouvelle requête semble bien contribuer à l'amélioration de la performance du système. L'idée est initialement adopté dans le cas de la recherche d'images par le contenu avant d'être généralisée pour le cas de la recherche documentaire. La seule différence est que la première image retournée peut être considérée comme une nouvelle requête, dans le cas de la recherche d'images, ce qui n'est pas le cas de la recherche du texte où la nouvelle requête est extraite du premier document retourné or il n'y a pas un système de recherche de documents qui considère un document tout entier comme une requête. L'approche proposée s'inscrit dans le cadre des mécanismes basés sur le pseudo contrôle de pertinence avec un long apprentissage aidant à améliorer le protocole d'intérrogation. Elle consiste à reformuler la requête originale récursivement dans le but de s'approcher beaucoup plus du besoin d'information de l'utilisateur ainsi que des éléments de la collection interrogée. L'approche est implémentée à l'aide de deux algorithmes à savoir QRM1 et QRM2. les expérimentations effectuées sur les résultats documentaires retournés par Google Scholar et la collection d'images COREL-1K donnent des résultats encourageants.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...