Modèle de compréhension du besoin en information pour la RI conversationnelle
Published in CORIA 2019 - 16ème COnférence en Recherche d’Information et Applications, Mar 2019, Lyon, France., 2019
La RI repose sur un cadre standard qui interroge des collections de documents à partir d’un besoin en information exprimé sous la forme d’un ensemble de mots-clés. Notre contribution vise à dépasser ce paradigme habituel en traitant directement le besoin en information exprimé en langage naturel pour tendre vers une nouvelle génération de systèmes de RI axés sur l’aspect conversationnels (appelés aussi “search oriented conversational systems”). Une première étape réside alors dans la formulation de requêtes à partir de besoins en information exprimés en langage naturel. Nous proposons dans ce papier un modèle de formulation de requêtes capable 1) d’apprendre la traduction des expressions en langage naturel en requêtes de type mots-clés de manière supervisée, et 2) d’injecter les retours de pertinence dans le pro-cessus d’apprentissage (apprentissage par renforcement). Pour pallier au manque de données d’apprentissage, nous considérons le modèle de traduction comme un modèle de sélection de mots. Notre modèle est évalué sur deux collections TREC démontrant ainsi son efficacité.