Comparaison des stratégies d'indexation pour les langues asiatiques

نویسنده

  • Samir Abdou
چکیده

In information retrieval, Chinese and Japanese present many challenging problems. Unlike most European languages, the lack of explicit word boundaries represents one of the most important issue for indexing. For this reason, many works proposed different approaches to index documents or requests written in these languages. This article presents a comparison of the common indexing strategies. More precisely, we compared four strategies for Chinese (1-grams, 2-grams, 1& 2-grams and words), two for Japanese (2grams, and words) and three for Korean (words, 2-grams, and morphemes). Using test collections of the NTCIR-5, we evaluated these various approaches on nine retrieval schemes: two probabilistic models and seven vectorial models. MOTS-CLÉS : Recherche monolingue ; stratégies d’indexation ; langues chinoise, japonaise et coréenne.

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Building a Bilingual Vietnamese-French Named Entity Annotated Corpus through Cross-Linguistic Projection

Résumé. La création de ressources linguistiques de bonne qualité annotées en entités nommées est très coûteuse en temps et en main d’œuvre. La plupart des corpus standards sont disponibles pour l’anglais mais pas pour les langues peu dotées, comme le vietnamien. Pour les langues asiatiques, cette tâche reste très difficile. Le présent article concerne la création automatique de corpus annotés e...

متن کامل

Le Programme Compalex (COMPAraison LEXicale)

Le programme que nous présentons ici est un logiciel de dialectométrie. La dialectométrie peut être définie comme l’ensemble de « tous les procédés et méthodes qui mesurent les distances linguistiques entre les langues et dialectes d’une région donnée, sur la base de phénomènes linguistiques appartenant à cette région » (Möhlig, 1980 :27). Les méthodes varient en détails en fonction des réalité...

متن کامل

Un outil de détection automatique de thèmes

Vu la quantité de documents numériques disponible sur le Web et la nécessité de mettre au point des techniques de recherche efficaces, les systèmes de recherche d'information font de plus en plus appel aux techniques de Traitement Automatique des Langues (TAL) qui exploitent les informations syntaxiques ou sémantiques, dans le but d’améliorer la qualité des résultats fournis par les moteurs de ...

متن کامل

Phonological Use of the Larynx

Cette communication concerne le rôle du larynx dans l'acte de communication. Toutes les langues du monde utilisent des configurations caractéristiques du larynx, aux niveaux segmental, lexical, et supralexical. Nous présentons d'abord l'utilisation des différents types de phonation pour distinguer entre les consonnes et les voyelles dans les langues du monde, et également du larynx comme lieu d...

متن کامل

Indexation de Documents Manuscrits

paru dans Proceedings du Colloque International Francophone sur l'Ecrit et le Document (CIFED06), article invité a [email protected] b Ecole Polytechnique Fédérale de Lausanne (EPFL)-1015 Lausanne (Switzerland) paru dans Proceedings du Colloque International Francophone sur l'Ecrit et le Document (CIFED06), article invité Résumé. Les systèmes de reconnaissance automatique de...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

عنوان ژورنال:

دوره   شماره 

صفحات  -

تاریخ انتشار 2006