Abhatoo - Centre Nationale de Documentation

Ces travaux de thèse s'inscrivent dans la problèmatique générale liée a l'indexation d'un corpus de texte pour la recherche d'information multilingue. Le but de l'indexation est d'identifier la connaissance contenue dans un texte et de la représenter par des mots clés appelés descripteurs. Or, la composante multilingue ajoute une complexité supplémentaire au processus d'indexation car une étape de traduction est obligatoire pour représenter document et requête par des descripteurs appartenant au même espace d'indexation. Pour traduire correctement un terme, it est préférable de reconnaître le concept dénoté par celui-ci. Actuellement, une recherche d'information pertinente représente le contenu des documents par des concepts et non plus par des termes.

Cette thèse propose une methode d'indexation semantique pour les documents XML permettant de caracteriser le contenu documentaire par des connaissances, non dependante de la langue des documents. Ces connaissances sont declinees en deux types :

– Les connaissances du domaine sont utilisées pour représenter les documents et les requétes dans le méme espace de représentation non dépendant des langues.

– Les connaissances terminologiques constituent plusieurs langages de présentation des connaissances du domaine.

Notre méthode d'indexation se veut générique car elle peut être utilisée aussi bien dans un système de recherche d'information multilingue que dans un hypertexte a base de connaissances.