L’indexation basée sur la similarité des termes pour améliorer la Recherche d’information en langue Arabe

Abstract

Les systèmes de recherche d’information classiques reposent sur l’indexation par mots-clés pour représenter le contenu des documents et des requêtes, ainsi pour sélectionner les documents à retourner. Effectuer la recherche à ce niveau lexical peut diminuer la précision des résultats de la recherche, et rend très difficile de satisfaire le besoin informationnel de l’utilisateur, du fait de l’absence des liens sémantiques entre la représentation des documents et la représentation de la requête. Dans ce présent travail, nous proposons une nouvelle approche d’indexation automatique de textes arabes. Elle s’appuie sur les termes et leurs termes similaires, afin de capturer tous les sens voulus par une requête, qui ne donne jamais une description complète et précise du besoin d’information de l’utilisateur. Cette approche se base sur le calcul de l’information mutuelle, en utilisant les relations de cooccurrences, et sur les méthodes d’apprentissage non supervisée (Clustering) pour faire une catégorisation des documents afin d’avoir les différents sens d’un mot dans ses différents domaines d’utilisation.