La structure thème-rhème pour l'ordonnancement de documents en recherche d'information
Résumé
La recherche d'information fait souvent l'hypothèse que les documents pertinents sont "à propos de" la requête; la requête est ainsi supposée refléter le besoin d'information de l'utilisateur de façon appropriée. La plupart des moteurs de recherche fait l'hypothèse que le fait d'être "à propos de" peut être mesuré par l'appariement des termes du document et ceux de la requête selon une représentation par sac de mots. Cependant, les modèles existants ne sont pas capables de capter la distribution entre l'information déjà connue et l'information nouvelle apportée par l'énoncé. L'objectif principal de ce papier est de proposer l'utilisation de la structure thème-rhème pour le ré-ordonnancement de documents en recherche d'information. Nous avons analysé manuellement la structure thème-rhème des documents issus de trois collections: Wikipédia, TREC Robust et WT10G. Grâce à cette analyse, nous avons introduit une méthode complètement automatique pour annoter la structure informationnelle. Elle s'appuie sur l'hypothèse que le thème a tendance à être positionné au début des phrases. La structure thème-rhème est identifiée automatiquement à partir des premiers documents retrouvés qui sont ré-ordonnés selon cette structure intégrée dans le formalisme BM25F. Cette méthode n'exige qu'une analyse syntaxique de surface, à savoir le découpage en phrases et le balisage des parties de discours. L'évaluation sur les collections TREC montre que notre méthode améliore significativement les résultats de recherche d'information par rapport aux systèmes de l'état de l'art.