Expansion de requêtes pour la recherche d'information multilingue

1. Recherche d'information multilingue : approche par traduction des contenus La quantité d'information en ligne croît très rapidement, ainsi que le nombre de langues dans lesquelles ces contenus sont disponibles. En revanche, la complexité des requêtes reste limitée (2 à 3 mots en moyenne). Des traitements spécifiques s'avèrent donc nécessaires pour préciser le sens de certaines requêtes, ou au contraire pour en élargir la portée. L'Expansion de Requêtes (ER), par exemple, permet, en ajoutant des mots aux requêtes d'optimiser leur mise en relation avec les documents. Par ailleurs, la Recherche d'Information Multilingue ou CLIR (Cross Language Information Retrieval), permet d'accéder à des documents dont la langue est différente de celle dans laquelle la requête est formulée. les systèmes de CLIR ont souvent recours à la Traduction Automatique (TA), soit de la requête, soit des contenus. Des études comparatives montrent que l'approche par traduction des contenus est plus performante, mais les principaux systèmes de CLIR privilégient l'approche par traduction des requêtes. En effet, traduire un grand nombre de documents dans un grand nombre de langues serait trop coûteux. Nous proposons ici l'optimisation d'un prototype de CLIR dont les contenus indexés sont en quantité suffisamment faible pour que l'approche par traduction des contenus ait été choisie. Le vocabulaire employé dans les textes traduits automatiquement est réduit par rapport au vocabulaire spontané. Par exemple, " night club " peut se traduire en français par « discothèque » ou par « boîte de nuit ». Le système de traduction du prototype étudié ici traduit systématiquement " night club " par « boîte de nuit », un utilisateur n'aura par conséquent accès à aucun résultat s'il saisit la requête « discothèque ». Dans un corpus constitué de 51461 requêtes, nous avons mesuré le nombre de mots absents dans le corpus de contenus traduits, constitué des titres et