RÉSUMÉ.
Nous proposons dans ce papier une approche de classification d’un corpus de documents. Elle consiste en une représentation du corpus sous forme de graphe, où les liens sont définis par certains critères. Ces liens sont quantifiés par des mesures de simialrité. Nous visons à intégrer ce contexte dans l’approche de classification afin de constituer des réseaux petits mondes de documents homogènes. L’homogénéité des classes est valuée suivant les propriétés des réseaux petits mondes. Les classes, ainsi que leurs propriétés, nous servent au ré-ordonnancement de documentsrésultats de recherche. Quelques expérimentations ont été menées sur un corpus issu de TREC 1 et les résultats obtenus montrent l’apport des réseaux petits mondes en recherche d’information.
ABSTRACT.
We propose in this paper an approach for document clustering. It consists of representing the corpus as a document graph, where the links are defined by some criteria. These links are quantified by simialrity measures. We aim join this context into the approach of classification to constitute small-worlds networks of homogeneous documents. The homogeneity of the clusters is measured according to the properties of small worlds. The clusters, as well as their proprietes, allow to rerank search results. Some experiments were done on a corpus provided by TREC and the obtained results show the contribution of small-worlds networks in information retrieval.
MOTS-CLÉS : Recherche d’information, clusterisation, réseaux petits mondes, ré-ordonnancement
KEYWORDS : Information retrieval, clustering, small-worlds networks, re-ranking
|
présentation