Recherche d'information

Le RALI poursuit des recherches en recherche d’information (RI) depuis plusieurs années. Les aspects abordés sont variés, tels que les suivants :

Modèles de RI

Les méthodes de la RI ou engins de recherche semblent souvent fortement basées sur des intuitions ou des heuristiques. Existe-t-il des théories pour la RI? La réponse est oui.

La recherche au RALI sur les modèles de RI vise à développer des modèles capables de mieux satisfaire les besoins d’information d’utilisateurs. Nous utilisons différentes approches pour atteindre cet objectif : une meilleure compréhension de la requête de l’utilisateur et du contenu de documents, des connexions entre eux, ainsi que le contexte de la recherche. Différents types d’information et ressources sont utilisés : des connaissances linguistiques générales, la statistique sur l’usage des mots et des groupes de mots dans les requêtes et les documents, les logs d’utilisateurs, l’historique de la recherche, etc. Présentement, nous implantons ces idées en étendant les modèles de langue statistiques.

Recherche d’information translinguistique et en différentes langues

Comment peut-on trouver des documents écrits en chinois avec une requête en anglais ou français, quand les documents pertinents existent seulement en chinois? La clé est dans la traduction (de requête). Mais la traduction automatique plein-texte n’est pas nécessairement la meilleure ou la seule solution. Pour cette traduction, nous utilisons des modèles de traduction statistiques construits automatiquement à partir d’un ensemble de textes parallèles ou comparables. Cette méthode s’avère économique (sans intervention manuelle) et performante (la performance peut être meilleure qu’avec le meilleur système de traduction automatique).

En parallèle, nous développons aussi des méthodes spécifiques pour différentes langues tels le français, le chinois, l’arabe, etc.

Fouille de données pour la RI

Le Web contient beaucoup de données utiles pour différentes tâches de RI. Au RALI, nous visons à collecter ces données automatiquement. Le système PTMiner est développé pour identifier automatiquement des textes parallèles sur le Web, en vue de construire des modèles de traduction. Ce système a pu identifier un grand nombre de textes parallèles pour anglais-français, anglais-chinois, anglais-italien, anglais-allemand, etc.

Les documents sur le Web contiennent beaucoup de traductions de termes techniques et des entités nommées, qui ne sont pas incluses dans des dictionnaires bilingues. Nous pouvons collecter ces traductions en utilisant des patrons. En plus de relations de traduction, nous travaillons aussi sur la fouille de relations entre les termes dans la même langue à partir des documents, des requêtes et des logs d’utilisateurs.

PECODR

La recherche dans le domaine médical a des besoins spéciaux, en particulier en médecine base sur des évidences (evidence-based medicine) : un besoin d’information est en général spécifié selon plusieurs aspects - – Patient, Intervention, Comparaison and Résultat (Outcome) (PICO). Un traitement médical joue des rôles différents selon s’il est décrit dans l’Intervention ou dans la Comparaison. Un système de recherche adapté demande une annotation automatique des rôles que jouent différents concepts dans le document et la requête. Ceci nécessite aussi une extension de la RI traditionnelle afin d’intégrer une telle structure. Nous avons construit une collection de test disponible au public -  CLIREC à partir de PubMed et Cochrane reviews, destinée à la recherche de documents médicaux base sur PICO. Ce projet est en collaboration avec Université McGill et Université de Colombie Britannique.

ERIC (Engin de Recherche spécialisé pour le secteur de la Construction)

ERIC est un projet de recherche en collaboration avec la Faculté de l’aménagement et l’EBSI, financé par Bell-LUB et le CRSNG entre 2001-2004. Le but est d’identifier les réponses précises pour des questions spécialisées posées par des intervenants du domaine de la construction (architectes, entrepreneurs, etc.) comme par exemple :  quelle est la norme pour une fondation sur le sol gelé au Canada? 

MBOI (Matching Business Opportunities on the Internet)

Ce projet, financé par Nstein technologies et le CRSNG, vise à repérer automatiquement des occasions d’affaires pour des PMEs sur l’Internet, par exemple les appels d'offre. Les recherches dans ce projet concernent entre autres les aspects suivants :

  • collecter automatiquement des appels d’offre sur le Web
  • apparier les appels avec le besoin d’une entreprise
  • classification les appels d’offres
  • recherche des appels d’offres en d’autres langues

Recherche d’images transmédia

Dans ce projet financé par le CITÉ (Centre Interdisciplinaire en Technologies Émergentes), nous explorons la possibilité de retrouver des images avec une requête visuelle ou textuelle. Nous tentons d’extraire automatiquement des liens possibles entre les caractéristiques visuelles (par exemple, le contour) d’un groupe d’images et des mots clés (par exemple, « bateau »), et d’utiliser ces liens pour faire le passage entre le texte et l’image. L’extraction des liens « transmédia » se fait avec l’aide des images annotées ou accompagnées du texte. Notre expérimentation dans les tests d’ImageCLEF montre de très bonnes performances et le grand potentiel de cette méthode.