Implémentation d'une approche d'apprentissage automatique pour la prédiction du score à priori de document .

Abstract

Notre travail présenté dans le cadre de ce mémoire s'insère dans le domaine de la recherche d'information. Il porte sur l'extension d'une approche d'expansion de modèle de langue en utilisant la pertinence à priori de documents. Pour mener à terme notre travail, nous avons donné un aperçu général sur la recherche d'information ainsi que le système de recherche d'information. Nous avons ensuite défini la pertinence à priori de documents et quelques caractéristiques qui permettent de la calculer. Pour mettre en oeuvre notre approche qui est " l'extension du modèle de recherche en utilisant la probabilité de pertinence à priori de documents " nous avons utilisé la plateforme Terrier, le langage de programmation Java, l'environnement NetBeans et Rstudio qui nous a permit d'effectuer des calculs statistiques. L'approche proposée a apporté une légère amélioration globale par rapport au modèle de recherche initial. En plus de ça, on a constaté des améliorations sur un certain nombre de requêtes. Ce qui est un bon indice.