Résumé

Cet article propose une approche d’expansion automatique de requêtes par appren- tissage. L’expansion de requêtes se fait par l’ajout de termes provenant de règles d’association entre termes. Le problème d’expansion de requêtes est modélisé comme un problème de classifi- cation superviséE qui vise à déterminer les règles d’association les plus adaptées pour enrichir une requête donnée. Un ensemble de données d’entraînement est construit en utilisant un algo- rithme d’exploration de règles d’association pertinentes, basé sur les algorithmes génétiques. La classification se fait par la méthode de l’arbre de décision et par la méthode Random Forest. Les expérimentations sont menées sur la collection de textes en français SDA95 de la campagne d’évaluation CLEF 2003. Les résultats montrent une amélioration des performances de la tâche RI

Abstract

We propose in this paper a learning query expansion approach using association rules. The query expansion problem is modeled as a supervised classification problem which aims at identifying the appropriate set of association rules to expand a given query. A training data set is generated using a GA based exploring algorithm of the association rules space. Classification is made by the method of the decision tree and the Random Forest method . The experiments are conducted on the French texts SDA95 collection of CLEF evaluation campaign 2003. The results show an improvement in task performance IR.