Modélisation des interactions utilisateur-machine au cours d'un processus de recherche

Modeling User-Machine Interactions During The Information Retrieval Process

• Auteur / Autrice : Agnès Mustar
• Direction : Benjamin Piwowarski, Sylvain Lamprier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 29/03/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Institut des systèmes intelligents et de robotique (Paris ; 2009-....)
• Jury : Président / Présidente : Catherine Pelachaud
• Jury : Examinateurs / Examinatrices : Alexandre Allauzen
• Jury : Rapporteurs / Rapporteuses : Jean-Pierre Chevallet, Karen Pinel-Sauvagnat

Mots clés

Mots clés contrôlés

Recherche de l'information

Apprentissage automatique

Traitement automatique du langage naturel

Mots clés libres

Recherche d'information

Machine learning

Modélisation utilisateur

Langage naturel

Transformer

Requêtes

Informational Retrieval

Modeling

NLP

Résumé

Bien que les moteurs de recherche actuels fonctionnent convenablement pour des besoins d’information élémentaires avec des requêtes simples, il existe des situations pour lesquelles les résultats de recherche qu’ils retournent ne sont pas satisfaisants. Pour remédier à cela, au cours de l’histoire des systèmes de recherche, les interactions entre utilisateurs et machines ont évolué de manière significative. En effet, les données échangées entre les utilisateurs et les systèmes de recherche peuvent contenir des informations cruciales au succès de la recherche d’information. D’autre part, l’architecture Transformer basée sur le mécanisme d’attention a permis des améliorations considérables pour plusieurs tâches de langage naturel, comme le résumé ou la traduction. Elle a rapidement été utilisée dans d’autres domaines, dont la recherche d’information (RI). Plusieurs modèles de RI ont bénéficié de la capacité de cette dernière à analyser les relations entre les termes du document et ceux des requêtes. Cependant, la majorité de ces travaux se sont concentrés sur la recherche ad hoc. L’objectif de cette thèse est d’étudier la modélisation de l’utilisateur et les interactions utilisateur-machine avec des modèles Transformers. Les contributions de cette thèse peuvent être divisées en deux parties, celles liées à la modélisation de l’utilisateur et celles liées aux systèmes interactifs.

While today’s search engines work well for simple queries, there are situations where search results are not satisfactory. To cope with such situations, user-machine interactions have increased significantly since the early days of retrieval systems. The exchanges between users and retrieval systems during search sessions may contain information that is critical to the success of the information search. Meanwhile, the Transformer-based architectures relying on the attention mechanism have led to great improvements in several NLP tasks, such as summarization or translation. The architecture was soon applied to other domains, including information retrieval. Several retrieval models have benefited from this architecture’s ability to focus on document and query terms to estimate their relationships. However, the majority of these works have focused on ad hoc retrieval. The goal of this thesis is to study user modeling and user-machine interactions with transformer-based models. The contributions of this thesis can be divided into two parts, those related to user modeling and those related to interactive systems. In the former, I analyze existing user models, and in particular the text generation process of transformer-based models for query suggestions (Mustar, Lamprier, and Piwowarski, 2020; Mustar, Lamprier, and Piwowarski, 2021). In the latter, I present a new user/machine interaction framework based on the studied user models (Mustar, Lamprier, and Piwowarski, 2022).