Développement d’un outil facilitant la recherche d’information: Amélioration d’un lemmatiseur arabe

Abstract

Dans la résolution des problèmes de correspondance dans la recherche scientifique, l’arabe est considéré comme l’une des langues les plus difficiles à cause de sa morphologie spécifique. La technique la plus populaire et la plus utilisée pour résoudre ce genre de problème est la lemmatisation. Cette technique est une étape de prétraitement dans la plupart des systèmes de récupération d'informations. La lemmatisation a pour but la réduction des différentes formes grammaticales d'un mot. Dans la littérature, il existe plusieurs algorithmes traitant la lemmatisation des mots arabes. Toutefois, la plupart d'entre eux sont malheureusement réservés à un nombre limité de mots, et présentent certaines confusions entre les lettres originales et les affi xes. En outre, ils utilisent généralement un dictionnaire de mots ou de modèles. Le but de notre travail est l’amélioration d’un algorithme de lemmatisation assoupli (léger) déjà conçu, i.e. ARLStem. Cette amélioration est fondée sur l’introduction de nouvelles règles permettant de supprimer les préfixes, suffixes et infixes de manière intelligente. Par ailleurs, une comparaison de l’efficacité de notre algorithme avec d’autres lemmatiseurs existants a été réalisée en utilisant les par amètres de Paice, à savoir l’indice de sous - lemmatisation (UI) et l’indice de sur - lemmatisation (OI). La comparaison a été faite sur le corpus ARASTEM, où les résultats obtenus ont montré que notre lemmatiseur possède des performances élevées et plus effic ace que les lemmatiseurs auxquels il a été comparé