Un modèle de raisonnement pour un système de recherche sémantique d’informations sur le web basé agents

Abstract

La recherche d’information sur le web est entrain d’évoluer vers une nouvelle forme de recherche dite sémantique utilisant des concepts au lieu de mots clés. En effet, actuellement les systèmes de recherche d’informations sont basés sur des modèles de représentations utilisant des vecteurs statiques comme le modèle d’espace vectoriel, et diverses approches statistiques et probabilistes. Malgré cela, pour un besoin utilisateur en information, certains documents sélectionnés peuvent ne pas être pertinents pour le contexte de la recherche. Le but principal d’une recherche sémantique est d’améliorer la qualité des recherches par différentes techniques, comme l’expansion et la reformulation de requête. Souvent deux difficultés majeures sont rencontrées quand un utilisateur effectue une recherche : (i) comment filtrer les documents non pertinents pour réduire le bruit, et (ii) comment découvrir et sélectionner tous les documents pertinents pour augmenter le rappel. Récemment, une approche très prometteuse pour la recherche sémantique sur le web est basée sur la combinaison de pages web et de requêtes soumises avec un background de connaissances structurées dans une ontologie. Dans cette perspective, nous présenterons dans le cadre de cette thèse un modèle de raisonnement dont le but est d’augmenter la robustesse des recherches sémantiques sur le web par la prise en compte du bruit dans les résultats et du manque d’expressivité (manque de connaissances) dans les représentations basées ontologies. Notre raisonnement tient sur trois aspects, en premier nous suggérons une nouvelle méthode de segmentation sémantique de texte en fragments sémantiques pour mieux élucider la sémantique enclose dans le texte. Ensuite, et comme mode de raisonnement nous associons une recherche syntaxique basée expansion par mots clés, avec une recherche sémantique basée concepts en utilisant un système multi-agents pour résoudre ce type de problèmes distribués. Enfin et pour classer les documents résultats, nous proposons une nouvelle mesure de similarité entre concepts basée taxonomie et vérifiant des critères appropriés pour mesurer la distance entre les documents disponibles et les besoins utilisateurs en informations.