Approche multicritère de recherche d’information structurée basée sur l’apprentissage d’ordonnancement

Abstract

Il est connu que, dans la recherche d’information, des meilleures performances sont obtenues lorsque plusieurs sources de pertinence sont combinées en utilisant des méthodes d’apprentissage d’ordonnancement. Dans cet article, nous proposons une approche multicritère pour la recherche d’information dans les documents structurées basée sur les méthodes d’apprentissage d’ordonnancement pour apprendre automatiquement un modèle de Ranking et mesurer l’impact de chaque source de pertinence. Des expérimentations sur une grande collection de la compagne d’évaluation de la recherche d’information XML (INEX) ont montré la performance de notre approche.

Mot-cles: XML, Recherche d’information structurée, Apprentissage d’ordonnancement, Ranking SVM, BM25

English Abstract

It’s known that, in information retrieval, best performances are obtained when many sources of evidence are combined using learning to rank methods. In this paper, we propose a multiple criteria approach for XML information retrieval based on learning to rank methods to automatically learn a ranking model and measure the impact of each source of evidence. Experiments on a large collection from the XML Information Retrieval evaluation campaign (INEX) showed good performance of the approach.

Keywords: XML, structured information retrieval, learning-to-rank, Ranking SVM, BM25