Résumé

De nombreux travaux en recherche d’information (RI) ont montré l’apport de la sémantique des mots pour améliorer l’appariement de document-requête. D’une part, la sémantique symbolique dérivée de ressources externes permet de représenter des entités et leurs relations explicites. D’autre part, la sémantique distributionnelle inférée des corpus permet de représenter les relations sémantiques implicites d’un corpus. Dans cet article, nous proposons de combiner ces deux types de représentations sémantiques. Ainsi, nous présentons un modèle neuronal pour la RI ad-hoc qui exploite les représentations sémantiques latentes des documents et des requêtes en bénéficiant des concepts et des relations exprimés au sein d’une ressource externe. Les évaluations sur deux jeux de données prouvent l’efficacité de notre modèle par rapport aux modèles neuronaux profonds d’appariement de l’état de l’art.

Abstract

In information retrieval task, the words semantic has been recognized as significant mean to improve the document-query matching. First, the symbolic se- mantics extracted from external resources allows to represent entities and their explicit relations. Second, the distributed semantics inferred from the corpus allows to exploit the implicit relations hidden in a corpus. In this paper, we introduce a neural model that leverages the latent semantic representations of documents and queries by taking advantage of the concepts and relations expressed within an external resource. Experi- mental results obtained on two datasets indicate our model effectiveness in comparison with state-of-the-art deep neural retrieval models.