Amel Hannech : un système de recherche d’information personnalisée basé sur un profil utilisateur à une architecture multi-niveaux


mercredi 04 avril 2018 - Séminaires

Bonjour à tous,

Vous êtes cordialement invités au prochain séminaire du LATECE.

Qui? Amel Hannech, doctorante sous la supervision de Hamid Mcheikh, UQAC

Quand ? Mercredi 4 avril 2018 à 12h40

Où? PK 4610

Titre : un système de recherche d’information personnalisée basé sur un profil utilisateur à une architecture multi-niveaux

Résumé : Les systèmes de recherche d’information personnalisés (RIP) tentent de réduire la surcharge de données disponibles sur le web. Ils exploitent les intérêts et les préférences de l’utilisateur et/ou ceux de sa communauté pour mieux répondre aux besoins d’information spécifiques de cet utilisateur. Ces données d’intérêt définissent le profil de l’utilisateur et peuvent être intégrées à différents niveaux du système dans le but d’influencer positivement le processus de recherche. Dans notre travail, nous proposons un modèle générique d’un profil d’utilisateur qui reflète les centres d’intérêt de l’utilisateur acquis lors de ses activités de recherche. Ces centres d’intérêt englobent différentes catégories d’informations sémantiques et sociales. Ils sont encapsulés dans plusieurs niveaux d’abstraction et sont susceptibles d’avoir un impact positif sur le processus de recherche. Une approche dynamique d’enrichissement du contenu du profil est également proposée. Cela vise à atténuer le problème du manque de diversité des données d’intérêt de l’utilisateur dans son profil. Ce problème se traduit par le fait qu’un utilisateur ayant des intérêts limités dans son profil ne sera pas en mesure de bénéficier de suggestions liées à d’autres intérêts connexes. Cette approche est basée sur l’exploration de données et les techniques de filtrage collaborative. L’évaluation du profil proposé a démontré son efficacité sur la base de plusieurs critères, notamment: i) la pertinence des résultats de la recherche lorsque ce profil est intégré dans un processus de recommandation, II) l’optimisation du processus d’extraction des articles fréquemment utilisés par les utilisateurs, et (III) sa souplesse d’intégration dans divers processus ayant des besoins différents, tels que le calcul de la similitude des utilisateurs, la classification des données, etc.).​

SLIDES