Prise en compte de l'importance d'un site web dans l'estimation de la probabilité a priori de pertinence d'une page web

RÉSUMÉ. Plusieurs caractéristiques ont été utilisées pour estimer la probabilité a priori d’un document comme : la longueur du document, la structure des liens, le facteur temps. Cependant, ces caractéristiques dépendent seulement du document lui même. Or, dans le contexte du web une page web fait partie en général d’un site web. L’idée que nous explorons dans cette article est l’utilisation des caractéristiques du site contenant la page concernée pour conditionner la probabilité a priori de pertinence de la page. Une fois cette probabilité est calculée nous la combinons avec le score obtenu par le contenu de la page web. Cette combinaison des deux évidences est réalisée sous le cadre de modèle de langue. Afin de valider notre idée, nous avons effectué des tests sur la collection TREC « .GOV » ; où nous avons comparé les différentes versions de notre modèle avec deux modèles : le modèle uni gramme qui ne considère que le contenu de la page, et le modèle combinant le contenu d’une page web et la probabilité a priori de la page obtenu en utilisant seulement une caractéristique sur la page (nombre de liens entrants). Les résultats obtenus montrent que notre modèle est très prometteur.