Sujet thèse AOC-2009

Bougha

Informations

• Publié par: Thiwyer
• Nombre de lectures: 25
• Langue: Español

Extrait

Titre:AppariementsémantiquededocumentsXML Mots‐clés:recherched’information,XML,théoriedesgraphes,documentshétérogènes, appariementsémantique Cesujetdethèserentredanslecontextedelarecherched’information,ets’intéresse particulièrementàlarecherched’informationdanslesdocumentssemi‐structurésdetypeXML.La problématiqueengendréeparcetypededocumentestliéeàlanaturedeleurcontenu.Eneffet, commecesdocumentscomportentdel'information(dutexte)etdescontraintesstructurelles(des balises),ilsnepeuventpasêtreefficacementexploitésparlestechniquesclassiquesdeRI,qui considèrentledocumentcommeungranuled'informationindivisible.Ledéfiàreleverestalors d'arriveràidentifierautomatiquementl'unitéd'information,enl'occurrenceunélémentdu documentXML,répondantàlarequêtedel'utilisateur. Denombreusesapprochesontétéproposéesdanslalittératurepourpermettrederenvoyer auxutilisateurscesunitéspertinentes[FLMK2005],[FLT06],[FKLT07].Cesapprochessesont appliquéesàrenvoyerdespartiesdedocumentsrépondantdemanièrespécifiqueetexhaustiveau besoineninformationdel’utilisateur,exprimésousformederequête.Desreprésentationsàbasede graphesouplusparticulièrementd’arbressontsouventutilisées,maislathéoriedesgraphessous‐ jacenteestpeuexploitée.Cettedernièrenepermeteneffetquedesprocessusd’appariement documents‐requêtesbaséssurdespropriétésdestructure.Danslecasderecherchedansdescorpus dedocumentsXML,ilestnécessaired’yadjoindreunereprésentationcomplémentairedansunautre formalisme,cequipermettraitdeprendreencomptelasémantiquedesdocumentsetrendrait l’appariementcomplexeetimprécis. Lathéoriedesgraphespourraitpourtantêtreuneaideprécieusepourl’appariementde structures,aided’autantplusnécessairelorsquelesdocumentsàtraiterfontpartiedecorpus hétérogènes.L’hétérogénéitédesdocumentspeuteneffetportersurplusieurspoints:leurtailleou leurcontenu,maisaussileurstructure. Danslecasdecollectionsforméesdedocumentspossédantdestaillesetdescontenus différents,lesméthodesproposéesdanslalittératurenes’appliquentpasdemanièreoptimale.En effet,lesévaluationsdepertinencedesélémentsnepeuventpass’effectuerdelamêmemanière quandundocumentfaitquelquesKoetqu’ilpossèdeuneunitésémantique(iltraited’unmême thème,aussigénéralistesoit‐il)quelorsqu’ilfait300Moetqu’ilestconçucommeuncataloguede données.Desméthodesdecorrespondanced’arbresdoiventêtredéveloppées,etuneréflexiondoit êtremenéesurletraitementparallèledesdocumentsorientésdonnéesetdesdocumentsorientés contenu. Considéronsmaintenantl’hétérogénéitéstructurelle.Unecollectionpossèdedesstructures hétérogèneslorsquelesdocumentsquilacomposentsuiventdesDTDsdifférentes.Alorsqueles approchesproposéesdanslalittératurepourl’interrogationdecorpuspossédantdesdocuments suivantlamêmeDTDcherchentàvérifierdescorrespondancessyntaxiquesentrelesarbresdela requêteetdesdocuments,lesapprochespourlescorpushétérogènesdoiventchercherquantàelles àvérifierdescorrespondancessémantiquesetpermettrel’interrogationgénériquedescorpus:les conditionsdestructuresexpriméesparlesutilisateursdanslarequêtenecorrespondentpas forcémentexactementauxschémasouDTDdesdocumentsprésentsdanslecorpus,maisces dernierspourraientpourtantêtrepertinentspourl'utilisateur. Plusieurspistesderecherchessontpossibles.Unepremièresolutionestd'utiliserunlexique,un thésaurusouuneontologiepourfairecorrespondrelesconditionsdestructuresexpriméesdansla requêteaveclestypesd'élémentseffectivementprésentsdanslacollection[ThWe02]. D'autresapproches,commecelleproposéeparDenoyeretal.dans[DeWG04]ouAbitebouletal. dans[AMNP04]visentàproposerunformatmédiandanslequeltouslesdocumentsducorpus(et

éventuellementlesrequêtes)peuventêtretransforméspourensuiteappliquerdestechniques traditionnellesdetraitementdesrequêtesstructurées.Touslesdocumentsdevrontcependantêtre transformésseloncettestructuregénérique,aurisquedeperdrequelquepeudelasémantique portéeparleurstructure. PourconstruireetinterrogerdescollectionsXMLhétérogènes,l’apprentissageautomatiquedes relationsentrelesdifférentsformatsetdestransformationsentrelesdifférentsdocumentsestun ainsiproblèmeimportant.Laclassification,leclusteringetlacorrespondancedestructuressontdonc desdéfismajeursàreleverpourlagestiondesdocumentssemi‐structurés. Lespropositionseffectuéesdanslecadredecettethèse visantdoncàs’appuyersurdes outilsdelathéoriedesgraphespourlaRIstructuréedanslescorpushétérogènes,pourrontêtre évaluéesgrâceàlacampagned’évaluationINEX,quifournituncadregénériquepourl’évaluationde larecherched’informationstructurée:collections,requêtes,jugementsdepertinenceetmétriques. Plusprécisément,lestâcheshétérogènesetdedocumentminingpermettrontsepositionnerles algorithmesproposésparrapportàd’autressystèmesdel’étatdel’art. CesujetdethèseestfinancédanslecadreduprojetANRAOC(Appariementd’ObjetsComplexes). Plusd’informationssur:http://www.irit.fr/AOC [AMNP04]:AbiteboulS.,ManolescuI.,NguyenB.,PradaN.,AtestplatformfortheINEX heterogeneoustrack,ProceedingsofINEX2004,Dagstuhl,Allemagne,2004. [DeWG04]DenoyerL.,WisniewskiG.,GallinariP.,DocumentStructurematchingfor heterogeneouscorpora,ProceedingsofXMLandIRworkshop,SIGIR2004,Sheffield, England,2004. [FLMK05]:N.Fuhr,M.Lalmas,S.MalikandG.Kazai,INEX2005WorkshopProceedings, Dagstuhl,Germany,2005. [FLT06]:NorbertFuhrMouniaLalmasAndrewTrotman(Eds.).ComparativeEvaluationofXML InformationRetrievalSystems.5thInternationalWorkshopoftheInitiativeforthe EvaluationofXMLRetrieval,INEX2006DagstuhlCastle,Germany,December17‐20, 2006.RevisedandSelectedPapers [FKLT07]:NorbertFuhr,JaapKamps,MouniaLalmas,AndrewTrotman(Eds.).FocusedAccess toXMLDocuments.6thInternationalWorkshopoftheInitiativefortheEvaluationof XMLRetrieval,INEX2007.DagstuhlCastle,Germany,December17‐19,2007.Revised andSelectedPapers [SaBC06]SauvagnatK.,BoughanemM.,ChrismentC.,Answeringcontent‐and‐structure‐based queriesonXMLdocumentsusingrelevancepropagation,InformationSystems, SpecialIssueSPIRE2004,volume31,p.621‐635,janvier2006. [ThWe02]TheobaldA.,WeikumG.,TheIndex‐BasedXXLSearchEngineforQueryingXMLData withRelevanceRanking,EDBT2002,8thInternationalConferenceonExtending DatabaseTechnology,Prague,CzechRepublic,p.477‐495,2002. Equipederecherche:IRIT–SIG/RFI Directeurderecherche:MohandBoughanem [e-mail] Tel:[phone] Encadrement:KarenPinel‐Sauvagnat [e-mail] Tel:[phone]