Recherche plein texte

Comme quiconque a effectué une recherche plein texte le reconnaîtra, la recherche plein texte est susceptible de récupérer beaucoup de documents qui ne sont pas pertinents par rapport à la question posée. De tels documents sont appelés faux positifs. La récupération de documents non pertinents est souvent provoquée par l'ambiguïté inhérente au langage naturel ; par exemple, le mot avocat désigne aussi bien un fruit qu'une profession, et les documents traitant de l'un ne sont pas pertinents pour le chercheur qui s'intéresse à l'autre.

En raison des ambiguïtés du langage naturel, une recherche plein texte produit typiquement une liste de récupération qui a une faible précision : la plupart^{[réf. nécessaire]} des éléments récupérés ne sont pas pertinents. La recherche avec un vocabulaire contrôlé cherche à résoudre ce problème en étiquetant les documents de telle manière que les ambiguïtés soient éliminées. Cependant, cette méthode peut laisser échapper des documents pertinents qu'une recherche plein texte aurait inclus.

Les insuffisances de la recherche plein texte ont été traitées de deux manières : en fournissant aux utilisateurs des outils qui leur permettent d'exprimer leurs requêtes plus précisément, et en développant de nouveaux algorithmes de recherche qui améliorent la précision des récupérations.

• Mots clés. On demande aux créateurs de documents (ou aux indexeurs formés) de fournir une liste de mots qui décrivent le sujet du texte, incluant des synonymes des mots qui décrivent ce sujet. Les mots clés améliorent le retour, particulièrement lorsque la liste de mots clés inclut un mot de recherche qui n'est pas dans le document texte.
• La recherche restreinte au champ. Des moteurs de recherche permettent aux utilisateurs de limiter les recherches plein texte à un champ particulier dans un enregistrement de données, comme "Titre" ou "Auteur."
• Les requêtes booléennes. Les recherches qui utilisent des opérateurs booléens (par exemple, "encyclopédie" ET "en ligne" SAUF "Encarta") peuvent accroître considérablement la précision d'une recherche plein texte. L'opérateur ET dit, en effet, "Ne récupère un document que s'il contient chacun de ces termes." L'opérateur SAUF dit, en effet, "Ne récupère pas un document qui contient ce mot." Si la liste de récupération retourne trop peu de documents, l'opérateur OU peut être utilisé pour accroître les retours ; considérons, par exemple, "encyclopédie" ET "en ligne" OU "Internet" SAUF "Encarta". Cette recherche récupérera des documents sur les encyclopédies en ligne qui utilisent le terme "Internet" à la place de "en ligne."
• Recherche d'expression. Une recherche d'expression ne récupère que les documents qui contiennent une expression spécifiée, comme "Wikipedia, l'encyclopédie libre."
• Recherche de proximité. Une recherche d'expression qui ne récupère que les documents qui contiennent, par exemple, deux mots séparés par un nombre spécifié de mots ; une recherche pour "Wikipedia" AVEC2 "libre" récupérerait seulement les documents dans lesquels les mots "Wikipedia" et "libre" apparaissent séparés de deux mots au plus.
• Recherche floue. Une recherche floue va récupérer les documents qui contiennent les termes de la requête ou des variations de ceux-ci (en utilisant par exemple une distance d'édition comme la distance de Levenshtein pour définir le concept de proximité).
• Expression rationnelle. Une expression rationnelle emploie une syntaxe de requête complexe mais puissante qui peut être utilisée pour spécifier des conditions de recherche avec précision.

Les avancées technologiques ont beaucoup amélioré les performances de la recherche plein texte. Par exemple, l'algorithme PageRank de Google fournit plus d'importance aux documents qui sont pointés, au travers de liens hypertextes, par un grand nombre d'autres pages Web. Cet algorithme améliore considérablement la perception de la précision de recherche par les utilisateurs, ce qui explique sa popularité chez les utilisateurs d'Internet. Voir moteur de recherche pour davantage d'exemples.

• Recherche d'information
• Vocabulaire contrôlé
• Moteur de recherche
• Indexation automatique de documents - comment les moteurs de recherche génèrent des index pour permettre la recherche plein texte.

•   Portail de l’informatique