OPTIMIZATION OF QUERIES IN AN INFORMATION RESEARCH SYSTEM
OPTIMISATION DE REQUETES DANS UN SYSTEME DE RECHERCHE D'INFORMATION
APPROCHE BASEE SUR L'EXPLOITATION DE TECHNIQUES AVANCEES DE L'ALGORITHMIQUE GENETIQUE
Résumé
The thesis deals with the use of genetic algorithmes to tackle information retrieval issues. More precisely, our works focus on applying genetic algorithms for the design of adaptive information retrieval systems.
First of all, we study various models in information retrieval and then highlight our contribution in this area. After this, we focus on genetic algorithms. We particularly show how to exploit their formal support and robistness in order to support query optimization approaches.
Our specific approach consists in combining both relevance feedback evidence and genetic processing in order to refirmulate the querues. The proposed genetic algorithm is specifically devoted for information retrieval by designing enhanced genetic operators that tackle the multimodality relevance problem. The niching technique is applied to the whole population in order to involve a multi-optimization query through a cooperative approach.
The experimental evaluation has been carried out using a TREC collection.
First of all, we study various models in information retrieval and then highlight our contribution in this area. After this, we focus on genetic algorithms. We particularly show how to exploit their formal support and robistness in order to support query optimization approaches.
Our specific approach consists in combining both relevance feedback evidence and genetic processing in order to refirmulate the querues. The proposed genetic algorithm is specifically devoted for information retrieval by designing enhanced genetic operators that tackle the multimodality relevance problem. The niching technique is applied to the whole population in order to involve a multi-optimization query through a cooperative approach.
The experimental evaluation has been carried out using a TREC collection.
Les travaux présentés dans cette thèse traitent des apports de l'algorithmique génétique à la conception de systèmes de recherche d'information adaptatifs aux besoins des utilisateurs.
Notre étude se focalise en premier lieu, sur l'analyse des différents modèles et stratégies de représentation et de recherche d'information. Nous mettons notamment en évidence, leur contribution à la résolution des problèmes inhérents à la recherche d'information.
En second lieu, notre intérêt s'est porté sur l'étude des algorithmes génétiques. Nous basant alors sur leur robustesse, théoriquement et expérimentalement prouvée, nous intégrons ces algorithmes à la mise en oeuvre de notre approche d'optimisation de requête.
Nous présentons une approche de recherche d'information qui intègre une stratégie de reformulation de requête par injection de pertinence, fondée sur l'hybridation d'un processus d'optimisation génétique, à un modèle de recherche de base. Nous proposons un algorithme spécifique à la recherche d'information, par l'intégration d'opérateurs génétiques augmentés par la connaissance du domaine d'une part, et d'une heuristique permettant de résoudre le problème de multimodalité de la pertinence d'autre part. L'heuristique de nichage en l'occurrence, est diffusée globalement lors de l'évolution de l'AG. La population est alors organisée en niches de requêtes effectuant une recherche parallèle et coopérative d'informations.
Nous évaluons enfin notre approche de recherche d'information, au travers d'expérimentations réalisées à l'aide du système Mercure, sur la collection de référence TREC.
Notre étude se focalise en premier lieu, sur l'analyse des différents modèles et stratégies de représentation et de recherche d'information. Nous mettons notamment en évidence, leur contribution à la résolution des problèmes inhérents à la recherche d'information.
En second lieu, notre intérêt s'est porté sur l'étude des algorithmes génétiques. Nous basant alors sur leur robustesse, théoriquement et expérimentalement prouvée, nous intégrons ces algorithmes à la mise en oeuvre de notre approche d'optimisation de requête.
Nous présentons une approche de recherche d'information qui intègre une stratégie de reformulation de requête par injection de pertinence, fondée sur l'hybridation d'un processus d'optimisation génétique, à un modèle de recherche de base. Nous proposons un algorithme spécifique à la recherche d'information, par l'intégration d'opérateurs génétiques augmentés par la connaissance du domaine d'une part, et d'une heuristique permettant de résoudre le problème de multimodalité de la pertinence d'autre part. L'heuristique de nichage en l'occurrence, est diffusée globalement lors de l'évolution de l'AG. La population est alors organisée en niches de requêtes effectuant une recherche parallèle et coopérative d'informations.
Nous évaluons enfin notre approche de recherche d'information, au travers d'expérimentations réalisées à l'aide du système Mercure, sur la collection de référence TREC.
Loading...