Le document présente une approche collaborative pour enrichir les folksonomies, en combinant l'automatisation et les contributions des utilisateurs face aux limites des tags et des ontologies. Il propose un modèle intégrant les divergences, soutenu par une analyse des usages et des interfaces ergonomiques. Enfin, il décrit la nécessité de systèmes socio-techniques pour concilier différentes perspectives et atteindre un point de vue consensuel.

1. Approche collaborative et assistée à l'enrichissement des folksonomies: entre ergonomie et algorithmie DICEN – Séminaire tagging & folksonomies – 26 mars 2010 Freddy Limpens, Edelweiss, INRIA Sophia-Antipolis [email_address] Edelweiss

2. Objectifs -> Ancrage dans un contexte d’usage -> Synergie entre automatisme et contribution des utilisateurs

3. 1. problématique

4. limites des folksonomies

5. Variation d'écriture des tags: newyork = new_york ademe = ADEME musique = music

6. Ambiguité des tags: RDF =? Ressource Description Framework RDF =? Rwanda Defense Force RDF =? Reality Distortion Field

7. Manque de liens sémantiques entre les tags:

8. Une ontologie = une vue sur le monde

10. Limites des ontologies: -> coût d 'acquisition -> intégrer toute l'expertise de la communauté -> goulet d' étranglement à la formalisation

11. Scenario Ademe -> ingénieurs experts : distribués -> gestion documentaire : centralisée Comment structurer folksonomie contrôlée en capturant un maximum de l’expertise ?

12. Scenario Ademe Comment tirer partie de l’activité ? -> documentalistes : structuration concertée d’une liste d’autorité -> Ingé-experts : navigation dans la base documentaire

13. 2. Notre approche

14. Exploiter : -> dynamique et simplicité du social tagging -> traitements automatiques sur les tags -> expertises des utilisateurs

15. En proposant: -> modèle supportant les divergences -> cycle de vie s’appuyant sur une analyse des usages -> interfaces ergonomiques pour faciliter la contribution

16. car pollution skos:related 2.A Supporter les divergences

17. car pollution skos:related 2.A Supporter les divergences John agrees

18. car pollution skos:related 2.A Supporter les divergences John agrees Paul disagrees

19. 2.A Supporter les divergences

20. 2.A Supporter les divergences

21. 2.A Supporter les divergences

22. 2.B Cycle de vie de la folksonomie structurée

23. 3. Combiner traitements auto & contributions des utilisateurs

24. -> Tags comme « candidats-concepts » -> lien tag-ressource de type « is about » Hypothèses et modèle de tagging

25. -> Evaluation des distances d’éditions* -> Variations orthographique: pollution <-> pollutions -> Hyponymes : pollution <-> pollution des sols -> Termes associés : pollution <-> détection de polluants * http://sourceforge.net/projects/simmetrics/ 3.A analyse des labels de tags

26. 3.A analyse des labels de tags -> Jeu de test Ademe 1 ensemble / type de relation 2 types de métriques simples + combinées

27. Cas Détecter related MongeElkan_Soundex seuil 0.8 / rappel > 0.5

28. Cas Distinguer spelling variant Jaro-Winkler seuil > 0.9

29. Cas Distinguer hyponymes MongeElkan-QGram différence entre d(t1,t2) et d(t2,t1) > 0.39

30. Cas Méthode heuristique confirme intuitions Nécessité d’autres méthodes

31. 3.B analyse de la structure des folksonomies

32. -> Calcul de la similarité entre tags (Mika, 2005; Cattuto et al., 2008) -> Différents contextes d’associations ressources utilisateurs taggings 3.B analyse de la structure des folksonomies

33. tags tags 3.B analyse de la structure des folksonomies tag1 tag2 tag3 tag1 freq cooc cooc tag2 cooc freq cooc tag3 cooc cooc freq

34. (données delicious.com) 3.B analyse de la structure des folksonomies Tag &quot;Most related&quot; tags environnement développement_durable, énergie environment france, green, ecology, sustainable, energy déchets administration, EEDD, renouvelable développementdurable ecologie , EEDD, france, climat ,imported

35. Calcul automatiques 3.C Contribution des utilisateurs

36. Interface d’édition (SRTags Editor) 3.C Contribution des utilisateurs

37. 3.C Contribution des utilisateurs

38. 3.C Contribution des utilisateurs

39. 3.D Détection de conflits et vue consensuelle

40. 3.D Détection de conflits et vue consensuelle

41. 3.D Détection de conflits et vue consensuelle

42. 3.E Combinaison des points de vue Point de vue « consensuel » du ReferentUser Sans conflits Utilisé par documentalistes pour maintenir un thésaurus

43. 3.E Combinaison des points de vue Points de vue individuels: Coexistent même si divergents Aide à former un point de vue consensuel

44. 3.E Combinaison des points de vue Règles de priorité pour une navigation cohérente: Utilisateur courant ReferentUser ConflictSolver Autre utilisateur Automate

45. 4. Conclusion

46. Nos contributions : -> Système socio-technique ancré dans les usages -> Modèle supportant les points de vue divergents (SRTag) -> Complémentarité des traitements automatiques (labels + structure) -> Combinaison des traitements auto + contribution des utilisateurs -> Coexistence des points de vue + élaboration d’un point de vue consensuel

47. Travaux en cours et futurs -> Amorçage : intégration ressources terminologiques (docs, ontologies, thesaurus, etc.) -> Services &quot;sémantiques« pour l’exploitation des données de tagging et de structuration sémantiques -> ISICIL : Evaluation & Tests Ademe & Orange Labs

48. fin. [email_address]