Exploitation de Base de Données externe pour la génération de réponses augmentées

BENAYADA, Amel; MEKADDIM, Amel

Veuillez utiliser cette adresse pour citer ce document : http://dspace.univ-tiaret.dz:80/handle/123456789/16875

Titre:	Exploitation de Base de Données externe pour la génération de réponses augmentées
Auteur(s):	BENAYADA, Amel MEKADDIM, Amel
Mots-clés:	Modèle de langage à grande échelle Système intelligent Génération augmentée Prompting
Date de publication:	10-jui-2025
Editeur:	Université Ibn Khaldoun –Tiaret
Résumé:	Ce mémoire sintéresse à lutilisation des modèles de langage à grande échelle (LLM) pour améliorer le processus de recherche dinformation grâce à trois approches complémentaires : la recherche vectorielle, la génération augmentée ou guidée contextuellent et le fine-tuning. Lobjectif est de générer des réponses plus pertinentes, contextuelles et personnalisées, en intégrant des sources de connaissances externes. Chaque méthode a été évaluée séparément pour en mesurer les apports spécifiques, et leur combinaison permet denrichir les réponses générées. Le travail présente les choix techniques, les résultats expérimentaux, et propose des pistes d’amélioration pour les systèmes intelligents.
Description:	This thesis explores the use of large language models (LLMs) to enhance information retrieval systems through three complementary approaches: vector search, augmented generation, and fine-tuning. The goal is to produce more relevant, contextual, and personalized responses by integrating external knowledge sources. Each method was individually evaluated to assess its specific benefits, and their combination allows for richer, more up-to-date answers. The work presents technical choices, experimental results, and improvement prospects for intelligent systems
URI/URL:	http://dspace.univ-tiaret.dz:80/handle/123456789/16875
Collection(s) :	Master

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
TH.M.INF.2025.20.pdf		3,44 MB	Adobe PDF	Voir/Ouvrir

Affichage détaillé