Un systeme de recherche d'informations par un reseau de neurones

par Jean-Charles Créput

Thèse de doctorat en Sciences et techniques communes. Sciences appliquées

Sous la direction de Armand Caron.

Soutenue en 1997

à Paris 6 .

mots clés

Résumé

Afin de realiser un systeme de recherche d'information (sri) par un reseau de neurones (rn), nous nous interessons a l'apprentissage d'associations binaires dans un reseau de neurones multi-couches. Plus precisement, nous utilisons un reseau possedant une couche d'entree, un neurone de sortie et des neurones caches afin de memoriser les jugements emis par les experts. Les requetes d'interrogation et les jugements de pertinence associes, emis lors de l'utilisation du sri, sont des evenements discrets qui peuvent etre egalement memorises par le systeme. Initialement la couche cachee est reduite a un unique neurone. L'apprentissage est incremental, les donnees sont memorisees une a une par le reseau, sans remise en cause des apprentissages precedents. A chaque increment, afin d'obtenir un apprentissage sans erreur lorsque les donnees ne sont pas lineairement separables, des neurones sont ajoutes a la couche cachee. Actuellement, l'algorithme de retropropagation du gradient permet l'apprentissage dans un reseau multi-couches, mais il ne donne pas d'indications sur le nombre requis de neurones caches et sur le nombre d'iterations assurant sa convergence. De plus, tous les exemples d'apprentissage doivent etre appris simultanement ou etre reappris eventuellement a chaque nouvel apprentissage, ce qui implique de conserver l'ensemble des exemples d'apprentissage. Notre algorithme necessite la connaissance de la seule donnee en cours d'apprentissage et sa memorisation est assuree. Nous montrons qu'il existe des sequences d'apprentissage permettant la minimisation du nombre de neurones caches. Enfin, les synapses et les seuils des neurones sont en nombre entier, ce qui facilitera leur implementation en technologie vlsi. Apres avoir presente notre modele de reseau de neurones et justifie ses proprietes, nous decrivons notre propre modele de sri avec reformulation de la requete. Nous presentons notre simulateur visuel, developpe sur station sun, avec lequel nous avons traite un extrait d'une base de donnees de 9000 documents.

Titre traduit

A neural network model for information retrieval

Pas de résumé disponible.