Dimensionalité intrinsèque dans les espaces de représentation des termes et des documents

L'examen des proprietes des espaces de representation des documents ou des mots en RI (typiquement, R n avec n tres grand) fournit de precieuses indications pour aider la re-cherche. Recemment, plusieurs travaux ont montre qu'il etait possible d'etudier la dimension-nalite reelle des donnees, appelee dimensionnalite intrinseque, en certains points de ces espaces (Houle et al., 2012a). Dans cet article, nous proposons de revisiter cette notion de dimension intrinseque sous la forme d'un indice note α dans le cas particulier de la RI et d'etudier son utilisation pratique en RI. Plus precisement, nous montrons comment son estimation a partir de similarites de type RI, peut etre utilisee dans les espaces de representations des documents et les espaces de representations de mots (Mikolov et al., 2013 ; Claveau et al., 2014). Ainsi, nous montrons d'une part que l'indice α aide a caracteriser les requetes difficiles ; d'autre part, dans une tâche d'extension de requete, nous montrons comment cette notion de dimensionna-lite intrinseque appliquee a des mots permet de choisir au mieux les termes a etendre et leurs extensions. ABSTRACT. Examining the properties of representation spaces for documents or words in IR (typically R n with n large) brings precious insights to help the retrieval process. Recently, several authors have studied the real dimensionality of the datasets, called intrinsic dimensionality, in specific parts of these spaces (Houle et al., 2012a). In this paper, we propose to revisit this notion through a coefficient called α in the specific case of IR and to study its use in IR tasks. More precisely, we show how to estimate α from IR similarities and to use it in representtion spaces used for documents and words (Mikolov et al., 2013 ; Claveau et al., 2014). Indeed, we prove that α may be used to characterize difficult queries; moreover we show that this intrinsic dimensionality notion, applied to words, can help to chosse terms to use for query expansion. MOTS-CLES : Dimensionnalite intrinseque, fonctions RSV, thesaurus distributionnels, extension de requete.