Une approche générique pour l'analyse croisant contenu et usage des sites Web par des méthodes de bipartitionnement

A generic approach to combining web content and usage analysis using biclustering algorithms

• Auteur / Autrice : Malika Charrad
• Direction : Gilbert Saporta, Gilbert Saporta, Yves Lechevallier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 22/03/2010
• Etablissement(s) : Paris, CNAM en cotutelle avec École Nationale des Sciences de l'Informatique (La Manouba, Tunisie)
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Centre d'études et de recherche en informatique et communications (Paris)
• Jury : Président / Présidente : Elisabeth Métais
• Jury : Examinateurs / Examinatrices : Mohamed Nadif
• Jury : Rapporteurs / Rapporteuses : Gérard Govaert, Sadok Ben Yahia

Mots clés

Mots clés libres

Classification simultanée

Algorithme Croki2

Biclustering

Fouille du web

Classification croisée

Fouille de l'usage du web

Block clustering

Nombre de biclasses

Fouille du contenu du web

Web Usage Mining

Web Content Mining

Text mining

Résumé

Dans cette thèse, nous proposons une nouvelle approche WCUM (Web Content and Usage Mining based approach) permettant de relier l'analyse du contenu à l'analyse de l'usage d'un site Web afin de mieux comprendre le comportement général des visiteurs du site. Ce travail repose sur l'utilisation de l'algorithme CROKI2 de classification croisée implémenté selon deux stratégies d'optimisation différentes que nous comparons à travers des expérimentations sur des données générées artificiellement. Afin de pallier le problème de détermination du nombre de classes sur les lignes et les colonnes, nous proposons de généraliser certains indices proposés initialement pour évaluer les partitions obtenues par des algorithmes de classification simple, aux algorithmes de classification simultanée. Pour évaluer la performance de ces indices nous proposons un algorithme de génération de biclasses artificielles pour effectuer des simulations et valider les résultats. Des expérimentations sur des données artificielles ainsi qu'une application sur des données réelles ont été réalisées pour évaluer l'efficacité de l'approche proposée.

In this thesis, we propose a new approach WCUM (Web Content and Usage Mining based approach) for linking content analysis to usage analysis of a website to better understand the general behavior of the web site visitors. This work is based on the use of the block clustering algorithm CROKI2 implemented by two different strategies of optimization that we compared through experiments on artificially generated data. To mitigate the problem of determination of the number of clusters on rows and columns, we suggest to generalize the use of some indices originally proposed to evaluate the partitions obtained by clustering algorithms to evaluate bipartitions obtained by simultaneous clustering algorithms. To evaluate the performance of these indices on data with biclusters structure, we proposed an algorithm for generating artificial data to perform simulations and validate the results. Experiments on artificial data as well as on real data were realized to estimate the efficiency of the proposed approach.