FR2858086A1 - Procede d'estimation de la pertinence d'un document par rapport a un concept - Google Patents
Procede d'estimation de la pertinence d'un document par rapport a un concept Download PDFInfo
- Publication number
- FR2858086A1 FR2858086A1 FR0308997A FR0308997A FR2858086A1 FR 2858086 A1 FR2858086 A1 FR 2858086A1 FR 0308997 A FR0308997 A FR 0308997A FR 0308997 A FR0308997 A FR 0308997A FR 2858086 A1 FR2858086 A1 FR 2858086A1
- Authority
- FR
- France
- Prior art keywords
- concept
- document
- relevance
- semantic
- concepts
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99934—Query formulation, input preparation, or translation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99941—Database schema or data structure
- Y10S707/99943—Generating database or data structure, e.g. via user interface
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99941—Database schema or data structure
- Y10S707/99944—Object-oriented database structure
- Y10S707/99945—Object-oriented database structure processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
Ce procédé d'estimation de la pertinence d'un document par rapport à un concept comprend le calcul (32) d'une fonction de pertinence du concept par rapport à ce document s'appuyant sur la connaissance d'un voisinage sémantique prédéterminé de ce concept. Il comporte en outre le calcul (42) d'une fonction d'ambiguïté de ce concept dans ce document, distincte de la fonction de pertinence, ce calcul étant estimé à partir de la présence dans le document de différents sens de ce concept.Ce procédé fait suite à une étape préalable de détection des concepts ambigus dans une base de connaissances.
Description
La présente invention concerne un procédé d'estimation de la pertinence
d'un
document par rapport à un concept.
Un procédé classique d'estimation de la pertinence d'un document par rapport à un concept comprend le calcul d'une fonction de pertinence du concept par rapport à ce 5 document s'appuyant sur la connaissance d'un voisinage sémantique prédéterminé de ce concept.
On appelle voisinage sémantique d'un concept, un ensemble de concepts reliés à ce concept par différents liens sémantiques dans une base de connaissances.
En général, lorsqu'on calcule la pertinence d'un document par rapport à un concept, 10 la fonction calculée prend en compte dans son estimation la présence dans le document du concept lui-même, ainsi que celle de tous les concepts appartenant à son voisinage sémantique.
Par conséquent, le résultat d'une requête d'estimation d'un document par rapport à un concept peut être erroné lorsque ce concept est ambigu, c'est à dire lorsqu'il comporte 15 plusieurs sens distincts. En effet, dans ce cas, le voisinage sémantique du concept comporte des concepts voisins de sens différents de ce concept.
Cette ambiguïté est parfois prise en compte dans le calcul de la fonction de pertinence, en réduisant le résultat obtenu par l'estimation de la présence du concept pris dans un sens prédéterminé par un résultat obtenu par l'estimation de la présence de 20 concepts pris dans un sens différent. Ainsi, par exemple, un document dans lequel la présence de concepts pris dans un sens différent est supérieure à la présence de concepts pris dans le sens prédéterminé n'est plus considéré comme étant pertinent par rapport au concept.
Ce type de procédé prenant en compte l'ambiguïté du concept risque donc de 25 considérer un document pouvant intéresser l'utilisateur comme ayant une mauvaise pertinence par rapport à ce concept, par exemple au cas où une fausse détection d'ambiguïté adviendrait.
L'invention a pour but de remédier à cet inconvénient en fournissant un procédé d'estimation de la pertinence d'un document par rapport à un concept capable de prendre 30 en compte l'ambiguïté du concept sans dégrader l'estimation de la pertinence du document par rapport au concept.
A cet effet, I'invention a pour objet un procédé d'estimation de la pertinence d'un document par rapport à un concept, comprenant le calcul d'une fonction de pertinence du concept par rapport à ce document s'appuyant sur la connaissance d'un voisinage 35 sémantique prédéterminé de ce concept, caractérisé en ce qu'il comporte en outre le calcul d'une fonction d'ambiguïté de ce concept dans ce document, distincte de la fonction de pertinence, ce calcul étant estimé à partir de la présence dans le document de différents sens de ce concept.
Ainsi, la prise en compte de l'ambiguïté est décorrélée du calcul de la fonction de pertinence. La pertinence du document reste donc inchangée en cas d'ambiguïté, et c'est 5 un score déterminant uniquement l'ambiguïté qui avertit l'utilisateur du fait que le document est susceptible de l'intéresser ou non.
Dans le cas d'une fausse détection d'ambiguïté, le document sera toujours considéré comme pertinent par rapport au concept, puisque seul le score déterminant l'ambiguïté est susceptible d'être erroné.
Un procédé selon l'invention peut en outre comporter l'une ou plusieurs des caractéristiques suivantes: - la fonction de pertinence mesure la présence du concept et des concepts du voisinage sémantique de ce concept dans le document; - le voisinage sémantique du concept comporte plusieurs nuages sémantiques 15 de sens distincts, et la fonction d'ambiguïté compare la présence de concepts appartenant à un nuage sémantique correspondant à un sens prédéterminé du concept avec la présence de concepts appartenant à des nuages sémantiques différents; - la présence de chacun des concepts appartenant aux différents nuages sémantiques est pondérée par un coefficient prédéterminé; - le procédé comporte une étape préalable de détection de concepts ambigus, c'est à dire de concepts comportant plusieurs nuages sémantiques de sens différents dans leur même voisinage sémantique; - lors de l'étape de détection préalable, deux concepts sont considérés comme ambigus s'ils sont reliés entre eux par au moins deux liens sémantiques différents.
- lors de l'étape de détection préalable, un concept est considéré comme ambigu s'il est relié à au moins deux nuages sémantiques de sens différents; - le concept appartient à une base de connaissance obtenue par fusion d'une première base de connaissances avec une seconde base de connaissances, l'étape préalable de détection des concepts ambigus étant réalisée lors de la fusion.
- lors de l'étape de détection des concepts ambigus, un concept de la première base de connaissances est considéré comme ambigu s'il est relié par un nouveau lien à un autre concept de la première base de connaissances.
- lors de l'étape de détection des concepts ambigus, un concept de la première base de connaissances est considéré comme ambigu s'il est relié à au moins un nuage sémantique de la seconde base de connaissances.
On notera qu'on appelle nuage sémantique d'un concept considéré, un ensemble constitué de concepts reliés à un même sens du concept considéré.
Par exemple, le concept Orange comporte dans son voisinage sémantique au moins deux nuages sémantiques de sens différents, à savoir un nuage sémantique se 10 rapportant à la couleur orange (comportant entre autres les concepts couleur , jaune , rouge , etc.) et le nuage sémantique se rapportant au fruit orange (comportant entre autres les concepts fruit , agrume , citron , etc. ).
L'invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple et faite en se référant aux dessins annexés dans lesquels: 15 - la figure 1 représente schématiquement une base de connaissances constituée de concepts et de liens sémantiques entre eux; - les figures 2 et 3 représentent schématiquement une méthode de détection de concepts ambigus, mise en oeuvre dans un procédé selon l'invention et; - la figure 4 représente schématiquement un procédé d'estimation de la pertinence d'un document par rapport à un concept selon l'invention.
On a représenté schématiquement sur la figure 1 une base de connaissances que l'on désignera par la référence générale 10.
On notera que, dans cet exemple, la base de connaissances 10 est constituée d'une base de connaissances 10A à laquelle on a ajouté une base de connaissances 10B, 25 selon un procédé de fusion de bases de connaissances connu en soit.
Un concept 12 de la base de connaissances 10 est relié à d'autres concepts par des liens sémantiques 14.
L'ensemble des concepts ainsi reliés au concept 12 forme un voisinage sémantique de ce concept 12. Ce voisinage sémantique peut comporter plusieurs nuages 30 sémantiques 16 de sens distincts, un nuage sémantique 16 du voisinage du concept 12 étant, comme cela a été défini précédemment, un ensemble constitué de concepts reliés à un même sens du concept 12 considéré.
Lorsqu'un concept 12 est relié à plusieurs nuages sémantiques 16 de sens distincts, ce concept est dit ambigu . Les concepts ambigus sont désignés sur la figure 1 par la 35 référence générale 18, et par les références particulières 18A, 18B et 18C, ces références particulières correspondant à différents modes de détection des concepts ambigus, mis en oeuvre lors d'une étape préalable d'analyse de la base de connaissances 10. Cette étape sera détaillée en référence aux figures 2 et 3.
Durant cette étape préalable, les concepts possédant plusieurs nuages sémantiques de sens différents dans leur voisinage sémantique sont marqués comme étant ambigus.
La figure 2 représente une mise en oeuvre de cette étape préalable, adaptée pour la détection de concepts ambigus dans une base de connaissances donnée, par exemple ici, la base de connaissances 10A.
Chaque concept 12 de la base de connaissances 10A est analysé lors d'une étape durant laquelle on recherche au moins deux liens sémantiques différents reliant ce 10 concept 12 à un seul autre concept.
Dans le cas où ces liens existent, on passe à une étape 21 au cours de laquelle le concept est marqué comme étant un concept ambigu 18A, puisque la présence d'au moins deux liens vers un même autre concept indique une forte probabilité pour que ces liens concernent des sens différents de ce concept.
Dans le cas contraire, on passe à une étape 22 lors de laquelle on recherche au moins deux liens sémantiques reliant ce concept 12 à deux nuages sémantiques de sens différents.
Dans le cas où ces liens existent, le concept est par définition un concept ambigu.
On passe alors à une étape 23 lors de laquelle il est marqué comme étant un concept 20 ambigu 18B.
Dans le cas contraire, le concept 12 n'est pas considéré comme étant ambigu, et on passe à une étape 24 de fin d'étape préalable d'analyse de la base de connaissances 10A.
La figure 3 représente une mise en oeuvre de l'étape préalable de détection des 25 concepts ambigus, plus particulièrement lors de la fusion de la base de connaissances 10A avec la base de connaissances 10B. Les nouveaux liens créés entre concepts lors de cette fusion sont représentés sur la figure en traits interrompus.
Chaque concept 12 existant dans la base de connaissance 10A est alors analysé lors d'une étape 25 durant laquelle on recherche au moins un nouveau lien sémantique 30 reliant ce concept 12 à un autre concept existant de la base de connaissance 10A, ce nouveau lien ayant été créé lors de la fusion des deux bases 1 OA et 1 OB.
Dans le cas où un tel nouveau lien existe, on passe à une étape 26, durant laquelle le concept est marqué comme étant un concept ambigu 18C, puisque la relation entre ces deux concepts n'était pas prévue dans la base de connaissances initiale 10A, ce qui 35 implique qu'il s'agit potentiellement d'homonymes.
Dans le cas contraire, on passe à une étape 27, durant laquelle chaque concept 12 existant dans la base de connaissance 10A est de nouveau analysé, pour rechercher au moins un lien sémantique reliant ce concept 12 à un nuage de nouveaux concepts de la base de connaissances 10OB.
Dans le cas où un tel lien existe, on passe à une étape 28 durant laquelle le concept est marqué comme étant un concept ambigu 18D, puisqu'il est probable que ce lien vers ces nouveaux concepts concerne un homonyme.
Dans le cas contraire, le concept 12 n'est pas considéré comme étant ambigu, et on passe à une étape 29 de fin d'étape préalable d'analyse de la base de connaissances.
Une fois cette étape préalable de recherche de concepts ambigus effectuée, il est possible d'estimer la pertinence d'un document par rapport à un concept donné de la base de connaissances 10, par le procédé représenté schématiquement sur la figure 4.
Lors d'une première étape 30, une requête d'estimation de la pertinence d'un document par rapport à un concept 12 de la base de connaissances 10 est émise, par 15 exemple par un moteur de recherche.
Une fois cette requête émise, on passe à une étape 32, durant laquelle un calcul d'une fonction de pertinence du document par rapport au concept 12 est effectué de manière connue en soi. Cette fonction de pertinence est calculée en prenant en compte la présence dans le document du concept 12 et de concepts appartenant au voisinage 20 sémantique de ce concept 12.
Ainsi, par exemple, la fonction de pertinence est donnée par l'équation suivante: Pertinence(Doc, 12) = f[Présence(Doc, 12), coef x Présence(Doc, voisinage(12))], où: - Pertinence(Doc, 12) est la fonction de pertinence du concept 12 dans le document considéré; - Présence(Doc, 12) est une fonction quantifiant la présence du concept 12 dans le document considéré, par exemple, le nombre de fois où le concept 12 apparaît dans le document; - Présence(Doc, voisinage(12)) est une fonction quantifiant la présence dans le document considéré de concepts appartenant au voisinage du concept 12; - coef est un coefficient de pondération prédéterminé, permettant de d'accorder plus ou moins d'importance aux concepts appartenant au voisinage sémantique du concept 12; - f est par exemple une fonction maximum , ou une fonction somme .
En fonction du résultat obtenu par ce calcul, le document peut être considéré comme étant pertinent vis à vis du concept 12, par exemple si le calcul donne un résultat supérieur à un seuil prédéterminé. Dans ce cas, on passe à une étape 34 au cours de laquelle le document est marqué comme étant pertinent par rapport au concept 12.
Dans le cas contraire, où le résultat du calcul donne un résultat inférieur au seuil prédéterminé, on passe à une étape 36 au cours de laquelle le document est marqué comme n'étant pas pertinent par rapport au concept 12. Dans ce cas, le document non pertinent n'est pas retenu.
Dans le cas où le document est marqué comme étant pertinent, le procédé selon 10 I'invention prévoit ensuite le calcul d'une fonction d'ambiguïté du concept dans le document.
Lors d'une étape 38, on vérifie si le concept 12 sur lequel porte la requête est marqué comme étant ambigu ou non dans la base de connaissances 10.
S'il n'est pas marqué comme étant ambigu, on passe à une étape 40 au cours de 15 laquelle le document est marqué comme étant pertinent et non ambigu.
Si le concept 12 est marqué comme étant ambigu, on passe à une étape 42 durant laquelle on procède à un calcul de la fonction d'ambiguïté, comparant la présence de concepts appartenant à un nuage sémantique correspondant à un sens prédéterminé du concept 12 (le sens du concept dans la requête) avec la présence de concepts 20 appartenant à des nuages sémantiques différents.
Ainsi, la fonction d'ambiguïté peut être donnée par l'équation suivante: Ambiguïté(Doc, 12) = f[coefl x Présence(Doc, nuagel), coef2 x Présence(Doc, nuage2)], où: - Ambiguïté(Doc, 12) est la fonction d'ambiguïté du concept 12 dans le document considéré; - nuagel et nuage2 sont deux nuages sémantiques différents reliés au concept 12 considéré; Présence(Doc, nuagel) quantifie la présence de concepts appartenant au nuage 1 dans le document considéré; - coefl est un coefficient prédéterminé, permettant d'accorder plus ou moins d'importance aux concepts appartenant au nuage 1; - Présence(Doc, nuage2) quantifie la présence de concepts appartenant au nuage 2 dans le document considéré; coef2 est un coefficient prédéterminé, permettant d'accorder plus ou moins d'importance aux concepts appartenant au nuage 2; - f est une fonction de comparaison.
Une fois ce score d'ambiguïté calculé, on passe à une étape 44 au cours de laquelle le document, est marqué comme pertinent avec un score d'ambiguïté, et il ne tient ainsi qu'à l'utilisateur d'estimer, à l'aide de ce score d'ambiguïté, si le document est susceptible de l'intéresser ou non.
Il apparaît clairement qu'un procédé d'estimation de la pertinence d'un document par rapport à un concept donné, tel que décrit précédemment, fournit de meilleurs résultats que les procédés existants, en pondérant la pertinence par un calcul d'ambiguïté sans affecter l'estimation de la pertinence elle-même. 10
Claims (10)
1. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12), comprenant le calcul (32) d'une fonction de pertinence du concept (12) par rapport à 5 ce document s'appuyant sur la connaissance d'un voisinage sémantique prédéterminé de ce concept (12), caractérisé en ce qu'il comporte en outre le calcul (42) d'une fonction d'ambiguïté de ce concept (12) dans ce document, distincte de la fonction de pertinence, ce calcul étant estimé à partir de la présence dans le document de différents sens de ce concept.
2. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 1, dans lequel la fonction de pertinence mesure la présence du concept (12) et des concepts du voisinage sémantique (16) de ce concept (12) dans le document.
3. Procédé d'estimation de la pertinence d'un document par rapport à un concept 15 (12) selon la revendication 1 ou 2, dans lequel, le voisinage sémantique de ce concept (12) comportant plusieurs nuages sémantiques (16) de sens distincts, la fonction d'ambiguïté compare la présence de concepts (12) appartenant à un nuage sémantique (16) correspondant à un sens prédéterminé du concept (12) avec la présence de concepts appartenant à des nuages sémantiques (16) différents.
4. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 3, dans lequel la présence de chacun des concepts appartenant aux différents nuages sémantiques (16) est pondérée par un coefficient prédéterminé.
5. Procédé d'estimation de la pertinence d'un document par rapport à un concept 25 (12) selon l'une quelconque des revendications 1 à 4, comportant une étape préalable de détection de concepts ambigus (18), c'est à dire de concepts comportant plusieurs nuages sémantiques (16) de sens différents dans leur même voisinage sémantique.
6. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 5, dans lequel, lors de l'étape de détection préalable, deux 30 concepts sont considérés comme ambigus (18A) s'ils sont reliés entre eux par au moins deux liens sémantiques (14) différents.
7. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 5 ou 6, dans lequel, lors de l'étape de détection préalable, un concept est considéré comme ambigu (18B) s'il est relié à au moins deux nuages 35 sémantiques (16) de sens différents.
8. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon l'une quelconque des revendications 5 à 7, dans lequel, le concept (12) appartenant à une base de connaissance (10) obtenue par fusion d'une première base de connaissances (10A) avec une seconde base de connaissances (10B), l'étape préalable de détection des concepts ambigus est réalisée lors de la fusion.
9. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 8, dans lequel, lors de l'étape de détection des concepts ambigus, un concept de la première base de connaissances (10A) est considéré comme ambigu (18C) s'il est relié par un nouveau lien à un autre concept de la première base de 10 connaissances (1OA).
10. Procédé d'estimation de la pertinence d'un document par rapport à un concept (12) selon la revendication 8 ou 9, dans lequel, lors de l'étape de détection des concepts ambigus, un concept de la première base de connaissances (10A) est considéré comme ambigu (18C) s'il est relié à au moins un nuage sémantique de la seconde base de 15 connaissances (1OB).
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0308997A FR2858086A1 (fr) | 2003-07-23 | 2003-07-23 | Procede d'estimation de la pertinence d'un document par rapport a un concept |
| EP04785988A EP1649399A1 (fr) | 2003-07-23 | 2004-07-21 | Procede d'estimation de la pertinence d'un document par rapport a un concept |
| US10/565,707 US7480645B2 (en) | 2003-07-23 | 2004-07-21 | Method for estimating the relevance of a document with respect to a concept |
| PCT/FR2004/001930 WO2005010774A1 (fr) | 2003-07-23 | 2004-07-21 | Procede d’estimation de la pertinence d’un document par rapport a un concept |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0308997A FR2858086A1 (fr) | 2003-07-23 | 2003-07-23 | Procede d'estimation de la pertinence d'un document par rapport a un concept |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR2858086A1 true FR2858086A1 (fr) | 2005-01-28 |
Family
ID=33561025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR0308997A Withdrawn FR2858086A1 (fr) | 2003-07-23 | 2003-07-23 | Procede d'estimation de la pertinence d'un document par rapport a un concept |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US7480645B2 (fr) |
| EP (1) | EP1649399A1 (fr) |
| FR (1) | FR2858086A1 (fr) |
| WO (1) | WO2005010774A1 (fr) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007032003A2 (fr) * | 2005-09-13 | 2007-03-22 | Yedda, Inc. | Dispositif, systeme et procede de manipulation de demandes utilisateur |
| US20140012766A1 (en) * | 2009-04-09 | 2014-01-09 | Sigram Schindler | Inventive concepts enabled semi-automatic tests of patents |
| US20130179386A1 (en) * | 2009-04-09 | 2013-07-11 | Sigram Schindler | Innovation expert system, ies, and its ptr data structure, ptr-ds |
| US20140258145A1 (en) * | 2009-04-09 | 2014-09-11 | Sigram Schindler | Semi-automatic generation / customization of (all) confirmative legal argument chains (lacs) in a claimed invention's spl test, as enabled by its "inventive concepts" |
| US20130132320A1 (en) * | 2009-04-09 | 2013-05-23 | Sigram Schindler Beteiligungsgesellschaft Mbh | Innovation expert system, ies, and its ptr data structure, ptr-ds |
| US9727842B2 (en) * | 2009-08-21 | 2017-08-08 | International Business Machines Corporation | Determining entity relevance by relationships to other relevant entities |
| FR3049465B1 (fr) | 2016-03-29 | 2018-04-27 | Oxymo Technologies Inc. | Composition pharmaceutique preventive et curative a base de peroxometallate |
| US10756977B2 (en) * | 2018-05-23 | 2020-08-25 | International Business Machines Corporation | Node relevance determination in an evolving network |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0687987A1 (fr) * | 1994-06-16 | 1995-12-20 | Xerox Corporation | Méthode et dispositif de recouvrement de documents pertinents dans un recueil de documents |
| WO2002010985A2 (fr) * | 2000-07-28 | 2002-02-07 | Tenara Limited | Procede et systeme d'extraction, de categorisation et de traitement automatiques de documents |
| EP1267274A2 (fr) * | 2001-06-15 | 2002-12-18 | Sakhr Software Company | Méthode et système de réduction basée sur des thèmes de l'ambiguité de sens de mots |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6978277B2 (en) * | 1989-10-26 | 2005-12-20 | Encyclopaedia Britannica, Inc. | Multimedia search system |
| US6847960B1 (en) * | 1999-03-29 | 2005-01-25 | Nec Corporation | Document retrieval by information unit |
| US6711585B1 (en) * | 1999-06-15 | 2004-03-23 | Kanisa Inc. | System and method for implementing a knowledge management system |
| AU764415B2 (en) * | 1999-08-06 | 2003-08-21 | Lexis-Nexis | System and method for classifying legal concepts using legal topic scheme |
| US7013308B1 (en) * | 2000-11-28 | 2006-03-14 | Semscript Ltd. | Knowledge storage and retrieval system and method |
| US7051022B1 (en) * | 2000-12-19 | 2006-05-23 | Oracle International Corporation | Automated extension for generation of cross references in a knowledge base |
| US6996575B2 (en) * | 2002-05-31 | 2006-02-07 | Sas Institute Inc. | Computer-implemented system and method for text-based document processing |
| US7251648B2 (en) * | 2002-06-28 | 2007-07-31 | Microsoft Corporation | Automatically ranking answers to database queries |
-
2003
- 2003-07-23 FR FR0308997A patent/FR2858086A1/fr not_active Withdrawn
-
2004
- 2004-07-21 EP EP04785988A patent/EP1649399A1/fr not_active Withdrawn
- 2004-07-21 US US10/565,707 patent/US7480645B2/en not_active Expired - Fee Related
- 2004-07-21 WO PCT/FR2004/001930 patent/WO2005010774A1/fr not_active Ceased
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0687987A1 (fr) * | 1994-06-16 | 1995-12-20 | Xerox Corporation | Méthode et dispositif de recouvrement de documents pertinents dans un recueil de documents |
| WO2002010985A2 (fr) * | 2000-07-28 | 2002-02-07 | Tenara Limited | Procede et systeme d'extraction, de categorisation et de traitement automatiques de documents |
| EP1267274A2 (fr) * | 2001-06-15 | 2002-12-18 | Sakhr Software Company | Méthode et système de réduction basée sur des thèmes de l'ambiguité de sens de mots |
Non-Patent Citations (2)
| Title |
|---|
| IDE N: "INTRODUCTION TO THE SPECIAL ISSUE ON WORD SENSE DISAMBIGUATION: THESTATE OF THE ART", COMPUTATIONAL LINGUISTICS, CAMBRIDGE, MA, US, vol. 24, no. 4, December 1998 (1998-12-01), pages 1 - 40, XP000827991 * |
| KILGARRIFF A: "WHAT IS WORD SENSE DISAMBIGUATION GOOD FOR?", INFORMATION TECHNOLOGY RESEARCH INSTITUTE TECHNICAL REPORT SERIES, XX, XX, December 1997 (1997-12-01), pages COMPLETE, XP001121003 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US7480645B2 (en) | 2009-01-20 |
| EP1649399A1 (fr) | 2006-04-26 |
| WO2005010774A1 (fr) | 2005-02-03 |
| US20060265367A1 (en) | 2006-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10445359B2 (en) | Method and system for classifying media content | |
| US7769751B1 (en) | Method and apparatus for classifying documents based on user inputs | |
| EP2323046A1 (fr) | Procédé de détection d'une copie audio et vidéo dans des flux multimédia | |
| JPH11191114A (ja) | メタ検索方法、画像検索方法、メタ検索エンジン及び画像検索エンジン | |
| KR20060118493A (ko) | 도출된 지문들을 매칭시킴으로써 데이터 객체들을매칭시키는 방법 및 장치 | |
| US7024624B2 (en) | Lexicon-based new idea detector | |
| CA2418476A1 (fr) | Procede d'identification d'une source d'un signal | |
| FR3022051A1 (fr) | Procede de suivi d'une partition musicale et procede de modelisation associe | |
| US7711737B2 (en) | Multi-document keyphrase extraction using partial mutual information | |
| WO2005010774A1 (fr) | Procede d’estimation de la pertinence d’un document par rapport a un concept | |
| US20160034484A1 (en) | Document tagging and retrieval using entity specifiers | |
| US20110142346A1 (en) | Apparatus and method for blocking objectionable multimedia based on skin color and face information | |
| JP2014532240A (ja) | 情報の検索 | |
| EP1532550B1 (fr) | Detection d'une image de reference robuste a de grandes transformations photometriques | |
| EP2227755B1 (fr) | Procede d'analyse d'un contenu multimedia, produit programme d'ordinateur et dispositif d'analyse correspondants | |
| FR2845179A1 (fr) | Procede de regroupement d'images d'une sequence video | |
| WO2007116042A1 (fr) | Procede de de-doublonnage rapide d'un ensemble de documents ou d'un ensemble de donnees contenues dans un fichier | |
| EP3774171A1 (fr) | Procédé d'évaluation de la qualité de raccordement de deux composants tubulaires | |
| EP1746521A1 (fr) | Procédé de classement d'un ensemble de documents électroniques du type pouvant contenir des liens hypertextes vers d'autres documents électroniques | |
| CN113538075A (zh) | 数据的处理方法、模型的训练方法、装置和设备 | |
| Kumar et al. | A comparative study of BYG search engines | |
| US8745056B1 (en) | Spam detection for user-generated multimedia items based on concept clustering | |
| WO2008083447A1 (fr) | Procédé et système d'obtention d'informations connexes | |
| FR3048295A1 (fr) | Procede de description de documents multimedia par traduction inter-modalites, systeme et programme d'ordinateur associes | |
| FR3132155A3 (fr) | Procédé de sélection automatique et d’affichage de la sélection d’un condensé significatif dans un contenu textuel |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ST | Notification of lapse |
Effective date: 20130329 |