Extraction contextuelle de contenus web

Abstract

La recherche d'information a été orientée pendant longtemps vers les informations textuelles, mais le document a pris une forme plus complexe depuis l’apparition du Web et a permis de fournir plusieurs types de media. Par ailleurs, l’explosion du volume d’information dans le Web, a créé un énorme besoin d’établir des méthodes très efficaces pour satisfaire le besoin d’information des utilisateurs. Ce besoin a fait l’objet de plusieurs travaux récents. Dans ce travail, nous proposons une technique de représentation des pages Web par leurs blocs de contenu ; cette technique s’inscrit dans le domaine de l’extraction d’information dans le Web. L’idée fût de segmenter la page Web en un ensemble de blocs basé sur la structure visuelle de la page et de construire les indexes de ces blocs à partir des informations qui y sont retenues, et d’en déduire l’index de la page, en vue de considérer les blocs de contenu, lors d’une requête, au lieu de la page entière. Après l’implémentation des deux méthodes développées, les résultats expérimentaux montrent que la technique proposée fournit un taux de précision très important. Cela signifie que notre technique de représentation des pages Web apporte beaucoup de précision de recherche.