ARIA

Association Francophone de Recherche d’Information (RI) et Applications

Actes de CORIA 2006
PDF

Auteurs

Patrick Gallinari, Jean-Noël Vittaut

Résumé

Nous présentons un modèle d’apprentissage pour la Recherche d’Information Struc- turée qui ajuste automatiquement ses paramètres grâce à un ensemble d’exemples étiquetés composé de requêtes et de jugements de pertinence sur un ensemble de parties de documents. Notre modèle améliore la performance d’un système de base de Recherche d’Information en optimisant un critère de coût d’ordonnancement et en combinant des scores calculés sur des parties de documents et leur contexte structurel. Nous analysons la performance de notre algo- rithme sur la collection INEX et nous le comparons au modèle de base qui est une adaptation d’Okapi pour la Recherche d’Information Structurée.

Abstract

We present a Machine Learning based Ranking model which can automatically learn its parameters using a training set of annotated examples composed of queries and relevance judgments on a subset of the document elements. Our model improves the performance of a baseline Information Retrieval system by optimizing a ranking loss criterion and combining scores computed from document elements and from their local structural context. We analyze the performance of our algorithm on INEX collection and compare it to the baseline model which is an adaptation of Okapi to Structured Information Retrieval.

Posts Récents

Catégories

A Propos

ARIA (Association Francophone de Recherche d’Information (RI) et Applications) est une société savante, association loi 1901, ayant pour but de promouvoir le savoir et les connaissances du domaine de la Recherche d’Information (RI) et des divers domaines scientifiques en jeu dans la conception, la réalisation et l’évaluation des systèmes de Recherche d’Information.