Sommaire des JADT 1998   

First results obtained by a Markov Random Fields (MRF) model applied to an automatic information retrieval in full text document, are investigated and discussed. We use a document composed from merge between a text of SPIRALE review and few pages of Hydro-Quebec text, which don’t share the same semantics. Our aim is to observe the MRF behaviour with respect to the Hydro-Quebec text in the full text, by classification or by a flow of queries. The results show that the MRF model is able to identify the Hydro-Quebec text with a good precision after classification process or a queries flow process, and it can do more, it can identify a noise caused by a user in a query.

Comment, dans les stratégies d'accès au contenu de l'information d'un texte électronique, tenir compte simultanément de la constante modification du corpus et de l'interaction avec un utilisateur en situation d'analyse. Le premier aspect touche la plasticité du traitement, le second sa dynamicité. Plusieurs solutions ont été proposées pour aborder ces questions, à travers les modèles statistiques classificatoires[Croft,1980; Diday,1987; etc...], multidimensionnels [Cheesemann et al., 1988; Lebart and Salem, 1994 ; etc...]. Bien que systématiques et efficaces, la plupart de ces modèles demeurent cependant statiques dans leur traitement ; ils exigent la reprise du calcul à chaque modification du corpus. Les modèles connexionnistes [Veronis, 1990 ; Salton et al., 1994; Meunier, Nault et Lelu, 1996 etc...] semblaient sensibles à ces dimensions du fait de leur propriété d’incrémentalité, mais ne peuvent traiter efficacement la plasticité et encore moins l'interaction dynamique. Les modèles algorithmes génétiques appliqués au texte [Rialle, Oussedik, et Meunier, 1997 etc...] se focalisent sur la dimension plastique mais ne touchent pas l'interaction dynamique. Le modèle dit "champs de Markov ≤ offre une solution intéressante. Très utilisé dans la reconnaissance et la restauration d’images [Geman and Geman, 1984; Chellapa, 1991 ; etc...], ce modèle semble pouvoir résoudre les deux problèmes cités ci-dessus. Pour réaliser un tel modèle, il faut d’abord soumettre le texte à une analyse morpho-syntaxique qui permet le calcul d’une distance entre énoncés [Pêcheux, 1969; DelVigna, 1977; Rouault, 1994], ensuite réaliser une analyse linguistique classique basée sur des poids assignés à des unités d’informations, en générale des mots. Le texte est découpé en segments qui seront considérés comme une famille stochastique, et formeront ainsi un champ de Markov. Par ce biais, l’aspect dynamique, est mathématiquement modélisé par l’influence mutuelle de la requête et du processus de filtration généré par l’algorithme connu sous le nom de Gibbs sampler[Geman and Geman, 1984]. La dimension plastique est assurée par la topologie facilement modifiable de la représentation. En conséquence, le modèle n’est affecté ni par la taille du corpus ni par sa modification constante. Bouchaffra et Meunier [1995, 1996] ont proposé des variantes de ces modèles pour l'analyse thématique et la requête d'information sur de grands corpus. Dans ce papier, nous présentons les premiers résultats d'application d'un modèle "champs de Markov" à un corpus échantillon. Nous essayons de valider par la pratique, les concepts théoriques du modèle. Le corpus choisi est un mélange d’un texte de la revue SPIRALE en sciences de l’éducation et une partie d’un texte de l’Hydro-Quebec qui jouera le rôle d’un bruit. Un grand intérêt sera porté au comportement du modèle vis à vis de ce bruit.

Le texte est décomposé en segments de 32 lignes. Ces segments seront considérés comme des réalisations d’une famille de variables aléatoires X={ Xi , 1£i£k} identifiée à un champ de Markov. Les détails de l’aspect théorique de ce modèle sont illustrés dans [Bouchaffra et Meunier ,1995, 1996]. Le paramètre le plus pertinent et le plus difficile à estimer est l’énergie U du système, ce qui revient à estimer les potentiels des cliques Vc(x) [Hammersley and Clifford 1971]. Griffeat, Kindermann and Snell [Griffeat 1976 ; Kindermann and Snell 1980] ont montré l’existence d’une forme canonique unique de ces potentiels, donnée par la formule suivante :

ici f est l’ensemble vide, |c-b| le cardinal de l’ensemble c-b où c et b deux cliques données, P la loi de probabilité associée au Champ de Gibbs. Cette formule suppose connue la loi de probabilité P, ce qui n’est pas le cas, mais elle peut être exploitée dans une perspective de prédiction correction : c’est-à-dire que nous approchons cette loi par une loi gaussienne de caractéristiques m et s que nous déterminons empiriquement. Nous utilisons ensuite celle-ci pour calculer les potentiels par la formule ci-dessus. L’image dégradée Y = f(H(X)) + N sera calculée, en prenant la fonction radicale pour la fonction de transformation f, l’identité pour H et le bruit N sera considéré gaussien ; les meilleurs résultats sont obtenus par un m calculé à partir de la moyenne des segments. Ainsi nous pouvons mettre en œuvre l’algorithme de Gibbs (expliqué en détail dans [Geman and Geman, 1984]) qui permet de maximiser la probabilité conditionnelle p(X=x /Y=y), où Y est la configuration dégradée observée à l’état initial t = 0, et X est la nouvelle configuration probable à l’instant t. La température T est laissée constante et égale à un.