Discussion :

[LaGazelle]

Bonjour

comment on manipule une thesaurus en but d'indexé des document medicale?

la thésaurus q j vais utilisé est Mesh elle est constitué de 15 domaine , 22995 discripteurs, 83 qualificatifs. la hiearchie de discripteur peut aller à 11 niveau.

la tache q je doit fair est indexé un corpus de document medicale et faire un moteur de recherche pour y accedé
la langage à utilisé pr developper cette outille est php

j'attend votre aide

merci d'avance

[Antoun]

Peux-tu nous montrer un extrait de ton thésaurus ?
Disposes-tu de ton corpus docu en format électronique ?

[LaGazelle]

Bonjour

tout d'abord merci de me repondre

Ensuite voici un extrait de thésaurus biomedicale Mesh:
"
anatomie animale
bourse de Fabricius
cloaque
corps ultimobranchial
embryons d'espèces non mammifères
glandes mammaires animales
membrane nictitante
membre pelvien
membre thoracique
oviductes
trompes utérines
plumage
sacs aériens
appareil locomoteur
cartilage
cartilage élastique
cartilages auriculaires
cartilages laryngés
cartilage aryténoïde
cartilage cricoïde
cartilage thyroïde
épiglotte
cartilage hyalin
cartilage articulaire
cartilages laryngés
cartilage aryténoïde
cartilage cricoïde
cartilage thyroïde
épiglotte
septum nasal
fibrocartilage
disque intervertebral
ménisques de l'articulation du genou
fascia
ligaments
ligament large de l'utérus
ligaments articulaires
ligament croisé antérieur
ligament croisé postérieur
ligament patellaire
ligaments collatéraux
ligament collatéral tibial du genou
ligament latéral de la cheville
muscles
fibres musculaires
muscles lisses
muscles lisses vasculaires
myomètre
sphincter inférieur de l'oesophage
muscles squelettiques
coiffe des rotateurs
muscles abdominaux
muscle droit de l'abdomen
plancher pelvien
muscles de la face
muscles du cou
muscles du larynx
muscles du pharynx
muscles du voile du palais"

tu voir la thésaurus à partir de ce lien "http://www.chu-rouen.fr/ssf/arborescences.html"

maintenant j ai pas le corpus mais il est sous format electronique(document word, pdf et ppt)

[Antoun]

Il va falloir que tu récupères le MeSH sous une forme exploitable en base de données (fichier .CSV, code SQL, etc...). Ça existe forcément, je pense qu'un peu de Google ou de mail devrait te permettre de l'avoir

Ton indexation doit-elle être manuelle (ou documentaliste lit les docs et choisit les entrées d'index) ou automatique (recherche des termes d'index dans le corps des documents) ?

[LaGazelle]

L'indexation doit etre automatique c-à-d un petit robot ou "spider" d'indexation

[Antoun]

Dans ce cas, voici la démarche que je te propose :

1. créer une base de données avec une table Thesaurus contenant tous les termes à indexer, et deux tables vides : Documents(idDoc, NomDoc, Contenu) et Indexation(idTerme, idDoc).
2. faire une moulinette Word VBA et une autre PowerPoint VBA qui ouvrent tes doc, les lisent, et alimentent la table Documents ; pour PDF, je sais que c'est faisable, mais je ne sais pas du tout comment
3. Mettre en place une indexation FULLTEXT sur la table Documents (MySQL, SQL Server et Oracle la proposent, pour les autres je ne sais pas trop)
4. Faire un INSERT INTO Indexation, avec une jointure du genre Documents.Contenu contient le mot-clé Thesaurus.Terme

[LaGazelle]

Bonjour,

merci pour me repondre.

j veut quelque explication si te permet; pour la table thésaurus, j stocke tout les termes sans prendre en compte les relations entre eux?
aussi pr utiliser ces termes pr l'indexation, la comparaison entre les termes de thésaurus et celles de document prend beaucoup de temps?

ces sont mes soucis, peut etre j'ai mal compris. Je voudrais un peu d'explication SVP.

encore une fois merci de me repondre.

[Antoun]

Bonjour,

j veut quelque explication si te permet; pour la table thésaurus, j stocke tout les termes sans prendre en compte les relations entre eux?

comme tu veux ! en gros, la hiérarchie des termes ne sera d'aucun utilité pour l'indexation (la recherche des termes dans les docs). Par contre, j'imagine que tu souhaites ensuite pouvoir présenter ton résultat avec la hiérarchie du thésaurus, ce qui suppose qu'effectivement tu l'aies matérialisée, par exemple par une auto-jointure.

aussi pr utiliser ces termes pr l'indexation, la comparaison entre les termes de thésaurus et celles de document prend beaucoup de temps?

Avec un système qui gère l'indexation FULLTEXT, non. A mon sens, le plus difficile dans tous cela, ce sera d'extraire le contenu de tes fichiers.

[LaGazelle]

j recoure à la hiérarchie des termes pour recuperer les relation semantique entre les different termes et pour q j peut ecarter l'utilisation des outilles d'analyse grammaticale et syntaxique.
qu'on pense tu?

[Antoun]

euh... rien compris !

[LaGazelle]

la hiérarchie des termes présentés par la thésaurus MeSH me permet de connaitre les termes qui appartiennent au meme categorie, les termes synonymes , les terme equivalent....
tout ses relation on peut les extraire de fichier de MeSh en format XML
a qoui sert ses relation entre les termes? par exemple si l'utilisateur demande dans sa requette "radio" les document contenant ce terme doit etre present dabs le resultat de recherche mais aussi les document contenant les termes "radiologie", "radiographie", "scannar"...
j'espére que c'est clair maintenant?
je m'excuse de qualité de ma français

[Antoun]

C'est clair... mais quelle est ta question ?

[LaGazelle]

Ma probléme est que je n'arrive pas à trouver une relation entre la table document (docID,termeID,poids) et les tables stockant la hiérarchie des termes. c vrai que j'ai le termeID mais comment je génére les termes en relation avec ce lui ci?
j'ai besoin de ses relations pour par exemple l'utilisateur demande dans sa requette "radio" les document contenant ce terme doit etre present dabs le resultat de recherche mais aussi les document contenant les termes "radiologie", "radiographie", "scannar"...
mes idéés sont désordonnés