Retrieval effectiveness study with Farsi language

Having Farsi as the underlying language and using a test collection of 166,774 documents and 100 topics, this experiment evaluates the retrieval effectiveness of different IR models while using a light and a plural stemmer as well as n-grams and trunc-n indexing strategies. Moreover the impact of stoplist removal is evaluated. According to the obtained results the DFR-I(ne)C2 model is the best performing one. The proposed light and plural stemmer improve the retrieval performance compare to non-stemming approach. Indexing strategies trunc-4 and trunc-5 have also a positive impact on the performance while 3-grams and trunc-3 have the most negative impact on the results. The results reveal that for Farsi stoplist removal plays an important role in improving the retrieval performance. A query-byquery analysis on the results shows that avoiding extreme results would be possible by adding extra controls and rules, according to Farsi morphology, to the stemming algorithms. RƒSUMƒ. Dans le but dÕutiliser le persan comme langue de rŽfŽrence, et en utilisant une collection test de 166 774 documents et de 100 requtes, cette Žtude Žvalue la performance des diffŽrents modles de RI sur lesquels sont appliquŽes diverses stratŽgies dÕindexation et de recherche. De plus, cette Žtude Žvalue lÕimpact de lՎlimination de la liste des mots-outils lors de lÕindexation. Selon les rŽsultats obtenus, le modle DFR-I(ne)C2 est le plus performant. LÕenracineur lŽger et lÕenracineur pluriel amŽliorent la performance en comparaison ˆ lÕapproche sans enracineur. Les stratŽgies dÕindexation, comme tronc-4 et tronc-5 amŽliorent la performance, alors que les approches comme 3-grams et tronc-3 ont lÕimpact le plus nŽgatif sur les rŽsultats. Les rŽsultats rŽvlent que lՎlimination de la liste des mots-outils joue un r™le important dans l'amŽlioration de la performance. L'analyse requtes par requtes montre quÕil serait possible dÕajouter des rgles supplŽmentaires aux enracineurs, pour Žviter des rŽsultats erronŽs.