Recherche sociale et personnalisée d'Information

Social and Personalized Information Retrieval

• Auteur / Autrice : Nawal Ould Amer
• Direction : Philippe Mulhem, Mathias Géry
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 16/12/2020
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble (2007-....) - Laboratoire d'informatique de Grenoble
• Partenaire(s) de recherche : Equipe de recherche : Modélisation et Recherche d’Information Multimédia
• Jury : Président / Présidente : Sihem Amer-Yahia
• Jury : Examinateurs / Examinatrices : Mohand Boughanem
• Jury : Rapporteur / Rapporteuse : Eric Sanjuan, Sylvie Calabretto

Mots clés

Mots clés contrôlés

Réseaux sociaux (Internet)

Folksonomies

Web usage mining

Mots clés libres

Recherche d'information

Recherche d'information personalisée

Recherche d'information sociale

Information retrieval

Personalized information retrieval

Social information retrieval

Résumé

Une large gamme de services et de plateformes rendent l’utilisateur de plus en plus interactif avec le web. De nombreuses informations qui concernent à la fois les utilisateurs et les ressources (documents, images, vidéos, commentaires, tweets, tags, etc.) sont constamment générées. Ces informations peuvent être très utiles dans les tâches de recherche d’information, pour la modélisation des utilisateurs et des ressources. Cependant, les modèles classiques de recherche d’information n’intègrent pas le contexte social de l’utilisateur et des ressources. Par conséquent, de nombreuses recherches se sont intéressées à combiner ces deux domaines qui sont la recherche d’information et les réseaux sociaux, ce qui a donné lieu à des modèles de recherche d’information sociale.L’extraction, l’analyse et la représentation d’information sur les activités sociales des utilisateurs jouent un rôle important pour les systèmes de recherche d’information personnalisée. Il est important de créer des modèles d’utilisateurs précis et inférer leurs centres d’intérêts à partir de toutes les informations.Dans cette thèse, on s'intéresse à la problématique de modélisation des profils des utilisateurs dans les folksonomies. Nous étudions la problématique de pondération des termes du profil de l'utilisateur. Plus précisément, comment estimer parmi toutes les informations des utilisateurs, les données qui peuvent représenter ses centres d'intérêts.Dans la première partie de la thèse, nous présentons un état de l'art des travaux de la recherche d'information et la recherche d'information sociale personnalisée.Ensuite, nous décrivons les deux principales contributions. La première contribution de cette thèse réside dans la définition d’un modèle utilisateur représenté par les tags, tel que ces tags couvrent les sujets des documents auxquels ils ont été attribués. Notre approche se distingue par l’intégration du document dans l’estimation des poids des tags de l’utilisateur.La seconde contribution de cette thèse concerne la définition d’une nouvelle approche de modélisation de l’utilisateur basée sur les documents.La particularité de ce modèle est de faire dépendre les termes du document non seulement du contenu textuel du document mais également des tags attribués par l’utilisateur à ce document. Le but est de déterminer les termes importants du document qui reflètent les centres d’intérêts de l’utilisateur.La dernière partie de la thèse est consacré à l'évaluation de nos propositions. Les résultats obtenus sont très encouragement et améliorent les performances des systèmes de recherche d'information.

A wide range of services and platforms make the user more and more interactive with the web. A lot of information that concerns both users and resources (documents, images, videos, comments, tweets, tags, etc.) is constantly generated. This information can be very useful in information retrieval tasks, for user modeling. However, classical information retrieval models do not integrate the social context of the user.Therefore, a lot of research has been interested in combining these two areas of information retrieval and social networks, which has given rise to models of social information retrieval and personalised social information retrieval.The extraction, analysis and representation of information about the social activities of users play an important role in the personalized information retrieval systems. Hence, it is crucial to create accurate user models and infer their interests from all this information.In this thesis, we investigate how to create a user profile using folksonomies. We study the problem of terms weighting. Specifically, how to estimate among all the user data, the useful information that can be used to represent his interests.In the first part of this thesis, we present a review of state-of-the-art research on information retrieval and personalized social information retrieval work.In the second part, we describe our two main contributions. The first contribution of this thesis lies in the definition of a user tag-based model, where these tags cover the topics of the documents to which they are associated. Our approach is distinguished by the integration of the document content into the estimation of user tag weights.The second contribution of this thesis concerns the definition of a new approach of user modeling based on documents. The particularity of this model is to use user tags to estimate the relevant document terms. The goal is to select only the terms that describe the document topics, which interest the user.The last part of the thesis is dedicated to the evaluation of our proposals. The results obtained are very encouraging and our approaches improve the performance of the IR systems.