Évaluation de la précision sur un système

de recherche d’information Hypertexte

Idir Chibane, Bich-Liên Doan
Département Informatique, Supélec
Plateau de Moulon, 3 rue Joliot Curie, 91 192 Gif/Yvette, France
{Idir.Chibane, Bich-Lien.Doan}@supelec.fr

Système de Recherche d’Information

D2
Collection des documents
Q

Recherche
D1
α

Analyse lexicale
Besoins d’Information Indexation
Contexte

Représentation des documents et la requête

Différent mécanismes de Feedback

Représentation des Base des Représentation du

Suppression des mots vides
D = ( wt1, D , wt 2 , D ,..., wtn , D )
besoins d’information connaissances contenu des documents
Q = ( wt1,Q , wt 2 ,Q ,..., wtn ,Q )
Lemmatisation Pondération des termes
Requête Index et base de données  tf (t )    D 
W t , D =  0 . 5 + 0 . 5 *  * log  
Max (tf (t ))  
des documents 
Assignement des poids   df ( t )  
aux termes

Fonction de correspondance Fonction de correspondance

∑ wti ,D ⋅ wti ,Q
( )
SD D,Q =
D ⋅Q t ∈D ∩Q
= i
∑ wt2i ,D .∑ wt2i ,Q
2 2
Index D ⋅Q
t i ∈D ti
Documents retrouvés

Architecture d’un Système de Recherche d’Information Les étapes d’indexation Modèle vectoriel

La fonction de voisinage
T (Pi ) ∩ T (Q ) = 0
Méthodologie Démonstration
0
Nos expériences sont conduites selon les étapes suivantes : Pi Pj La mesure de voisinage
Étape 1. Liste initiale (l’ensemble du travail). C’est une liste de pages Web ∑[ ( )] ] Poids (Pj , Pi )∗ SD (Pi , Q )
VD (P j , Q ) =
Pi ∈ IN P j ∩ [ T ( Pi )∩ T (Q ) = k
n

répondant partiellement ou complètement à la requête posée par l’utilisateur. ∑

k =1 IN ( Pj )
Ces pages contiennent au moins un terme de la requête et elles sont classées
1 Avec Poids (Pj, Pi) la pondération du lien entre la page Pj et
selon un score calculé sur la base de TF-IDF. On notera SD le score de la ∗ β
page par rapport à la requête. C’est un score reposant sur le contenu seul de n Pi. Ce poids est défini comme suit
la page. Pi Pj
T (Pi )∩ T (Q ) = 1 Poids( p j , pi ) = ∗ β
k
Étape 2. Partition des pages. Une méthode de partition est appliquée pour n
Modèle

partitionner les pages retrouvées dans des ensembles. Chaque ensemble se

β un paramètre compris entre 0 et 1 qui vérifie la condition
compose des pages qui contiennent exactement k termes de la requête
[k=1...n(nombre total des termes de la requête]. L’Objectif de la partition est de suivante
n
k n
n! k n
(n − 1)! ∗ β
pondérer les liens entre les pages selon le nombre de termes de la requête
T (Pi ) ∩ T (Q ) = k ∑ Cnk ⋅ ⋅ β ⋅ = 1 ≡ ∑
n
∗ ∗β =1 ≡ ∑
k =1 k!∗(n − k )! n k =1 (k − 1)!∗(n − k )!
=1
contenus dans chaque page. k =1
k
∗ β
k
AvecCn est une combinaison de longueur k de l’ensemble T(Q)
Étape 3. Liste finale. La liste finale des pages Web classées selon une Pi n de cardinal n. Cette valeur représente le nombre de sous-
combinaison d’un score du contenu de la page et de son voisinage est Pj
construite à partir des pages qui contiennent tous les termes de la requête. ensembles différents de pages qui contiennent exactement k
termes de la requête.
S ( P , Q ) = α ∗ SD (P , Q ) + (1 − α ) ∗ SV (P , Q )
i i i
Nous avons par récurrence
Avec :
- α un paramètre compris entre 0 et 1. Il nous permet de voir l'impact de notre n
(n − 1)! 1
fonction de voisinage sur celle reposant sur le contenue seul de la page. T (Pi ) ∩ T (Q ) = n
∑ (k − 1)!∗(n − k )! = 2
k =1
n −1
d ' où β=
2 n −1
- SV(Pi,Q) le score de voisinage de la page Pi reposant sur la propagation des
scores des pages du voisinage de Pi à travers les liens. β Après la transformation de la première fonction en remplaçant
- SD(Pi,Q) le score associé à la page Pi reposant sur le contenu textuel de Pi Pj β par sa valeur, nous obtiendrons la fonction finale suivante
cette page par rapport à la requête.
VD (P j , Q ) =
n
SD (Pi )
1
n ∗ 2 n −1 * IN ( Pj )
∑ k ∗ ∑[
k =1
( )]
Pi ∈ IN P j ∩ [ T ( Pi )∩ T ( Q ) = k ]

Les étapes de la recherche Les différentes configuration de pondération des liens Mesure de voisinage

Expérimentations et analyse des résultats

0,6 Contenu + vois inage
0,55 0% rappel 10% rappel 20% rappel
Contenu seulement (Baseline) Notre collection Collection
0,5 INDEGRE
0,5 (Sous collection de TREC) TREC
0,4 0,45 Nombre de sites 490 870
Precision

Précision

0,3
0,4 Nombre de documents 546.423 1.692.096
Application

0,35 Nombre de documents

0,2 477.064 1.532.012
0,3 avec des liens entrants
0,1 Nombre de documents
0,25 410.378 1.295.841
avec des liens sortants
0 0,2
Nombre de requêtes
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 50 50
11 niveaux standards du rappel Parametre α exécutées

Fig 1. La précision moyenne aux 11 niveaux standard Fig 2. La précision moyenne aux niveaux 0%, 10% et 20% Tab-1. Caractéristique de notre collection de teste.
du rappel pour les 50 requêtes exécutées du rappel en fonction du paramètre α;

nombre de documents pertinents retrouvés

Précision InDegree Baseline 0.15*SD+0.85*VD Définition : Pr écision =
nombre de documents retrouvés
P@5 0,077 0,216 0,306
nombre de documents pertinents retrouvés
P@10 0,072 0,163 0,208 Rappel =
nombre de documents pertinents

Tab-2. P@5 et P@10