Finding the valuable relevant information continues to be the major challenges of Information Retrieval Systems owing to the explosive growth of online web information.
Among these challenges, we consider the XML Information Retrieval
challenges as XML has become a de facto standard over the Web. In this paper, we tackle the issue of content-based XML information retrieval. We formulate the retrieval issue as a combinatorial optimization problem in order to generate
the best set of relevant XML elements for a given keywords query.
In our proposal, we define a genetic algorithm which maximizes similarity between a set of XML elements and the user query. The results based on the precision measure are very promising.

Auteurs : F.Z. Bessai-Mechmache, Z. Alimazighi , K. Hammouche

Téléchargement : PDF

Aujourd’hui les Entrepôts de données (ED) et les systèmes OLAP (On Line Analytical Processing) représentent une solution incontournable pour l’analyse décisionnelle des gros volumes de données pour les entreprises et administrations. Souvent, au niveau d’une entreprise/organisation se trouvent plusieurs axes d’activités qui nécessitent plusieurs cubes de données différents. La recherche d’informations transversales sur ces cubes de données n’est pas pos-sible aujourd’hui car aucune méthodologie pour la recherche de cubes pertinents n’a été proposée dans la littérature scientifique. Dans ce pa-pier, nous proposons un cadre conceptuel pour rechercher des cubes de données pertinents. Une implémentation dans une architecture ROLAP est aussi proposée pour valider notre approche théorique.

PerCubes