Modèle graphique probabiliste pour la recherche d’information / Sileymane Mbaye Adama DIAW (2023)   

Public ISBD Titre : Modèle graphique probabiliste pour la recherche d’information Type de document : texte imprimé Auteurs : Sileymane Mbaye Adama DIAW, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 2023 Importance : 94 P. Format : 29 cm. Langues : Français (fre) Mots-clés : Recherche d'information  indexation  ambiguité semantique  incertitude  sémantique  recherche  information  requete  modèle Bayésien naïf  modèle de clustering  Modèle graphique probabiliste  clustering Résumé : Ce mémoire de recherche se situe dans le domaine de l'information et aborde deux problématiques importantes liées à la recherche d'information. La première problématique concerne l'ambiguïté sémantique des termes utilisés pour l'indexation, c'est-à-dire le fait qu'un même terme puisse avoir plusieurs significations. La seconde problématique concerne l'incertitude et l'imprécision inhérentes au processus de recherche d'information, car les requêtes des utilisateurs peuvent être vagues ou les documents indexés peuvent contenir des informations incertaines. Pour faire face au premier problème, une contribution principale de ce mémoire est la proposition d'un modèle de recherche d'information basé sur le modèle Bayésien naïf. Le modèle Bayésien naïf est un modèle probabiliste qui suppose une indépendance conditionnelle entre les différents termes d'un document. Ce modèle permet de représenter et de raisonner sur les relations entre les termes et leur signification. En utilisant ce modèle, il est possible d'évaluer la pertinence des termes indexés en tenant compte de leur contexte et de leurs associations probabilistes. Cela permet de mieux gérer l'ambiguïté sémantique et d'améliorer la précision des résultats de recherche. Pour traiter le second problème, un autre modèle de recherche d'information basé sur le clustering a été développé. Le modèle de clustering permet de regrouper les documents similaires en fonction de leurs caractéristiques communes. Ce modèle utilise des techniques d'apprentissage automatique pour identifier les structures et les relations entre les documents. En utilisant ce modèle, il est possible de représenter et de raisonner sur les documents en fonction de leurs similarités et de leur pertinence par rapport à une requête. Cela permet de prendre en compte l'incertitude et l'imprécision inhérentes au processus de recherche d'information et de fournir des résultats plus adaptés aux besoins des utilisateurs. Les résultats expérimentaux obtenus ont démontré l'efficacité de ces deux modèles proposés, le modèle Bayésien naïf et le modèle de clustering. Cela confirme l'apport significatif de ces modèles dans le domaine de la recherche d'information en permettant de mieux gérer l'ambiguïté sémantique des termes d'indexation ainsi que l'incertitude et l'imprécision dans le processus de recherche. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=1505 Modèle graphique probabiliste pour la recherche d’information [texte imprimé] / Sileymane Mbaye Adama DIAW, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2023 . - 94 P. ; 29 cm. Langues : Français (fre) Mots-clés : Recherche d'information  indexation  ambiguité semantique  incertitude  sémantique  recherche  information  requete  modèle Bayésien naïf  modèle de clustering  Modèle graphique probabiliste  clustering Résumé : Ce mémoire de recherche se situe dans le domaine de l'information et aborde deux problématiques importantes liées à la recherche d'information. La première problématique concerne l'ambiguïté sémantique des termes utilisés pour l'indexation, c'est-à-dire le fait qu'un même terme puisse avoir plusieurs significations. La seconde problématique concerne l'incertitude et l'imprécision inhérentes au processus de recherche d'information, car les requêtes des utilisateurs peuvent être vagues ou les documents indexés peuvent contenir des informations incertaines. Pour faire face au premier problème, une contribution principale de ce mémoire est la proposition d'un modèle de recherche d'information basé sur le modèle Bayésien naïf. Le modèle Bayésien naïf est un modèle probabiliste qui suppose une indépendance conditionnelle entre les différents termes d'un document. Ce modèle permet de représenter et de raisonner sur les relations entre les termes et leur signification. En utilisant ce modèle, il est possible d'évaluer la pertinence des termes indexés en tenant compte de leur contexte et de leurs associations probabilistes. Cela permet de mieux gérer l'ambiguïté sémantique et d'améliorer la précision des résultats de recherche. Pour traiter le second problème, un autre modèle de recherche d'information basé sur le clustering a été développé. Le modèle de clustering permet de regrouper les documents similaires en fonction de leurs caractéristiques communes. Ce modèle utilise des techniques d'apprentissage automatique pour identifier les structures et les relations entre les documents. En utilisant ce modèle, il est possible de représenter et de raisonner sur les documents en fonction de leurs similarités et de leur pertinence par rapport à une requête. Cela permet de prendre en compte l'incertitude et l'imprécision inhérentes au processus de recherche d'information et de fournir des résultats plus adaptés aux besoins des utilisateurs. Les résultats expérimentaux obtenus ont démontré l'efficacité de ces deux modèles proposés, le modèle Bayésien naïf et le modèle de clustering. Cela confirme l'apport significatif de ces modèles dans le domaine de la recherche d'information en permettant de mieux gérer l'ambiguïté sémantique des termes d'indexation ainsi que l'incertitude et l'imprécision dans le processus de recherche. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=1505

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 10959	MEM 10959	Mémoires de master	Master mathématiques et Informatique	Systèmes d’Informations Répartis	Disponible

Documents numériques

MEM 10959 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200