Un	
  modèle	
  de	
  recherche	
  
d’informa1on	
  collabora1ve	
  basé	
  
sur	
  l’exper1se	
  des	
  u1lisateurs	
  
	...
1.  De	
  la	
  RI	
  individuelle	
  à	
  la	
  RI	
  collabora>ve	
  
2.  Contexte	
  
3.  Travaux	
  connexes	
  et	
  ...
Système	
  de	
  
recherche	
  
d’informa>on	
  
Besoin  en  
informa3on
De	
  la	
  RI	
  individuelle	
  à	
  la	
  RI	
...
Contexte	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
Besoin  
en  informa3on  
Système	
  de	
  recherche	
  
d’info...
Contexte	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
Besoin  
en  informa3on  
partagé
 Système	
  de	
  recherche	
...
Contexte	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
!  Enjeux	
  scien>fiques	
  de	
  la	
  RIC	
  
	
  	
  	
  	
 ...
Descrip1on	
   RP	
  
Personna-­‐
lisa1on	
  
DT	
   Rôle	
  
[Foley	
  and	
  
Smeaton,	
  
ECIR	
  2009]	
  
Processus	
...
Ques>ons	
  de	
  recherche	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
Comment	
  exploiter	
  le	
  niveau	
  d’ex...
Modèle	
  de	
  RIC	
  basé	
  sur	
  l’exper>se	
  des	
  u>lisateurs	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
D...
λij
k
=
Nouv(di, D(uj )k
)⋅Spec(di )β
maxdi'∈D Nouv(di, D(uj )k
)⋅Spec(di )β
Pk
(π(uj )k
|θdi
) = λij
k
P(tv |θdi
)+(1− λi...
Modèle	
  de	
  RIC	
  basé	
  sur	
  l’exper>se	
  des	
  u>lisateurs	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
C...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
!  Simula>on	
  de	
  la	
  collabora>on	
  [...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
!  Collec>on	
  TREC	
  Interac>ve	
  6-­‐7-­...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
	
  
Calcul	
  des	
  scores	
  
selon	
  les...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
	
  
Ordonnancement	
  
des	
  documents	
  
...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
	
  
Calcul	
  des	
  scores	
  
selon	
  les...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
	
  
Calcul	
  des	
  scores	
  
selon	
  les...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
SansEMDT	
  :	
  la	
  version	
  individuell...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
Métrique	
   Formule	
   Intui1on	
  
Micro-­...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
! Analyse	
  compara>ve	
  au	
  niveau	
  de...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
! Analyse	
  compara>ve	
  au	
  niveau	
  de...
Evalua>on	
  expérimentale	
  
Recherche	
  d’Informa>on	
  Collabora>ve	
  
! Impact	
  sur	
  l’efficacité	
  selon	
  les...
!  Proposi>on	
  d’un	
  modèle	
  de	
  RIC	
  basé	
  sur	
  l’exper>se	
  des	
  u>lisateurs	
  en	
  deux	
  étapes	
 ...
!  Modélisa>on	
  du	
  profil	
  d’exper>se	
  
	
  Sessions	
  de	
  recherche	
  interac>ves	
  
	
  Paramétrage	
  du	
...
Merci	
  de	
  votre	
  a]en1on	
  
Laure	
  Soulier,	
  Lynda	
  Tamine	
  et	
  Wahiba	
  Bahsoun	
  
IRIT,	
  Universit...
Prochain SlideShare
Chargement dans…5
×

Un modèle de recherche d’information collaborative basé sur l’expertise des utilisateurs

684 vues

Publié le

Nous nous intéressons à un contexte de recherche d'information collaborative où les utilisateurs sont caractérisés par différents niveaux d'expertise du sujet de la requête. Nous proposons un modèle d'ordonnancement de documents intégrant les rôles d'expert et de novice tenant compte de la spécificité de chacun des rôles et assignant un document à l'utilisateur le plus à même de le juger en fonction de son niveau d'expertise. Pour cela, les scores de pertinence document-requête sont calculés en y intégrant la variable rôle puis optimisés par la méthode d'apprentissage de maximisation de l'espérance mathématique. L'évaluation expérimentale est réalisée selon un cadre de simulation de la collaboration à partir de fichiers log de la collection TREC Interactive et montre l'efficacité de notre approche.

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
684
Sur SlideShare
0
Issues des intégrations
0
Intégrations
5
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Un modèle de recherche d’information collaborative basé sur l’expertise des utilisateurs

  1. 1. Un  modèle  de  recherche   d’informa1on  collabora1ve  basé   sur  l’exper1se  des  u1lisateurs    Laure  Soulier,  Lynda  Tamine  et  Wahiba  Bahsoun   IRIT,  Université  Toulouse  III  -­‐  Paul  Saba>er   Conférence  de  Recherche  d’Informa1on  et  Applica1ons      19-­‐21  mars  2014,  Nancy  
  2. 2. 1.  De  la  RI  individuelle  à  la  RI  collabora>ve   2.  Contexte   3.  Travaux  connexes  et  posi>onnement   4.  Ques>ons  de  recherche   5.  Modèle  de  RIC  basé  sur  l’exper>se  des  u>lisateurs   6.  Evalua>on  expérimentale   7.  Conclusion  et  perspec>ves   Plan   Recherche  d’Informa>on  Collabora>ve   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     2
  3. 3. Système  de   recherche   d’informa>on   Besoin  en   informa3on De  la  RI  individuelle  à  la  RI  collabora>ve   Recherche  d’Informa>on  Collabora>ve   3 RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     Tâches  complexes  ou  exploratoires   [Shah  and  Gonzalez-­‐Ibanez,  SIGIR  2012]   Besoin   en  informa3on   partagé . . . Paradigmes  de  la  collabora>on   [Foley  et  al.,  ECIR  2009;  Morris  and  Horvitz,   UIST  2007]                  Division  du  travail                  Partage  des  connaissances                  Sensibilisa>on  à                  l’environnement   Effet  synergique     [Shah  and  Gonzalez-­‐Ibanez,  SIGIR  2012]   Système  de   recherche   d’informa>on   collabora>ve   Recherche  d’informa>on   individuelle   Recherche  d’informa>on   collabora>ve  
  4. 4. Contexte   Recherche  d’Informa>on  Collabora>ve   Besoin   en  informa3on   Système  de  recherche   d’informa>on   Collabora>on  entre  deux  u>lisateurs  caractérisés  par  des  niveaux  d’exper>se  différents  :          Exper>se  rela>ve  par  rapport  au  sujet  de  la  requête          Exper>se  aux  extrêmes  du  spectre  :  expert  vs.  novice   !       Collabora>on  unidirec>onnelle       RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     4
  5. 5. Contexte   Recherche  d’Informa>on  Collabora>ve   Besoin   en  informa3on   partagé Système  de  recherche   d’informa>on        Collabora>on  bidirec>onnelle   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     5 !       Collabora>on  unidirec>onnelle        vs   Collabora>on  entre  deux  u>lisateurs  caractérisés  par  des  niveaux  d’exper>se  différents  :          Exper>se  rela>ve  par  rapport  au  sujet  de  la  requête          Exper>se  aux  extrêmes  du  spectre  :  expert  vs.  novice  
  6. 6. Contexte   Recherche  d’Informa>on  Collabora>ve   !  Enjeux  scien>fiques  de  la  RIC                      Comment  évaluer  la  per>nence  collec>ve  des  documents  ?    Réinjec>on  de  la  per>nence    Agréga>on  des  reformula>ons  de  requêtes                      Comment  personnaliser  les  listes  de  documents  sans  dégrader  la   per>nence  collec>ve  ?    Prise  en  compte  de  l’exper>se  et/ou  des  intérêts    Défini>on  de  rôles  u>lisateurs                            Comment  diviser  le  travail  pour  éviter  la  redondance  ?    Sépara>on  des  tâches    Non-­‐recouvrement  des  rankings   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     6
  7. 7. Descrip1on   RP   Personna-­‐ lisa1on   DT   Rôle   [Foley  and   Smeaton,   ECIR  2009]   Processus  de  réinjec>on  de  per>nence  par  la  pondéra>on  probabiliste   des  termes  selon  la  no>on  de  per>nence  collec>ve   +   -­‐   +   -­‐   [Morris  et   al.,  CSCW   2008]   Approche  de  personnalisa>on  des  documents   Approche  d’agréga>on  de  documents  selon  la  per>nence  collec>ve   +   +   -­‐   -­‐   [Pickens  et   al.,  SIGIR   2008]   Division  des  tâches  selon  les  rôles  :   Prospecteur  (diversité  théma>que)  :          -­‐  Techniques  de  reformula>on  de  la  requête   Mineur  (richesse  des  champs  explorés)  :          -­‐  Fonc>on  d’ordonnancement  des  documents   +   =   +   P/M   [Shah  et  al.,   IPM  2010]   Classifica>on  des  documents  selon  les  rôles  :   Rassembleur  (sélec>on  rapide  des  documents  per>nents)   Surveilleur  (diversité  théma>que)   -­‐   =   +   R/S   [Soulier  et   al.,  AIRS   2013]   Division  des  espaces  de  recherche  documentaire   Adapta>on  au  domaine  d’exper>se  des  collaborateurs   ++   ++   ++   E   RIC   Exper1se   A"ribu'on  des  documents  en  fonc'on  de  l’exper'se   ++   ++   ++   E/N   Travaux  connexes  et  posi>onnement   Recherche  d’Informa>on  Collabora>ve   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     7
  8. 8. Ques>ons  de  recherche   Recherche  d’Informa>on  Collabora>ve   Comment  exploiter  le  niveau  d’exper>se  des  u>lisateurs  pour  calculer  la   per>nence  des  documents  vis-­‐à̀-­‐vis  de  la  requête  collabora>ve  ?         Besoin   en  informa3on   partagé Document   sélec3onné Document   sélec3onné …   …   Document   sélec3onné RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     Comment  op>miser  la  collabora>on  à  travers  le  calcul  d’ordonnancement  de   documents  afin  de  sa>sfaire  à  la  fois  la  per>nence  individuelle  et  collec>ve  ?     8
  9. 9. Modèle  de  RIC  basé  sur  l’exper>se  des  u>lisateurs   Recherche  d’Informa>on  Collabora>ve   Document   sélec3onné …   …   Itéra1on  de  feedback   Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     Besoin     en  informa>on     partagé   9 Itéra1on  de  feedback   Document   sélec3onné Besoin     en  informa>on     partagé  
  10. 10. λij k = Nouv(di, D(uj )k )⋅Spec(di )β maxdi'∈D Nouv(di, D(uj )k )⋅Spec(di )β Pk (π(uj )k |θdi ) = λij k P(tv |θdi )+(1− λij k )P(tv |θC )"# $% (tv,wvj k )∈π (uj )k ∏ wvj k Si            est  novice  Pk (di | uj,q)∝ Pk (uj | di )⋅ Pk (di | q) Modèle  de  RIC  basé  sur  l’exper>se  des  u>lisateurs   Recherche  d’Informa>on  Collabora>ve   Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   Pk (di | uj,q) = Pk (uj | di,q)⋅ Pk (di | q) Pk (uj | q) Pk (di | q) = Pk (q | di )⋅ Pk (di ) Pk (q | di ) = λP(tv |θdi )+(1− λ)P(tv |θC )#$ %& (tv,wvj k )∈q ∏ wvq Es>mer  la  per>nence  d’un  document   pour  chaque  u>lisateur  selon  son  rôle   Indépendance  de   l’u>lisateur  et  de   la  requête                            :  non   discriminant  pour   le  document   Pk (uj | q) β =1 β = −1 uj Si            est  expert  uj RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     10  
  11. 11. Modèle  de  RIC  basé  sur  l’exper>se  des  u>lisateurs   Recherche  d’Informa>on  Collabora>ve   Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   Maximisa>on  de  la  vraisemblance  du  score   de  per>nence  par  rapport  aux  u>lisateurs   !  Algorithme  de  classifica>on  basé  sur  la   Maximisa>on  de  l’Espérance  (EM)  :                      Etape  E  :  calcul  de  la  probabilité   d’appartenance  à  une  classe  u>lisateur                            Etape  M  :  mise  à  jour  des  paramètres  et   es>ma>on  de  la  convergence   P(Rj = Rel | xij k ) = αj k φj k (xij k ) αj k φj k (xij k )+(1−αj k )ψj k (xij k ) ℓ(Rj = Rel | xij k ,θj k ) = log(P(xij k , Rj = Rel |θj k ))P(Rj = Rel | xij k ) j=1 2 ∑ h=1 n ∑ !  Alloca>on  des  documents  aux   collaborateurs  par  comparaison  des  rangs   des  listes  retournées  par  l’algorithme  EM.   !  Division  du  travail  :  non  recouvrement   simultané  des  listes  de  documents   rjj' k (di, Lj k , Lj' k ) = 1 si rang(di, Lj k ) < rang(di, Lj' k ) 0 sinon ! " # $# RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     11  
  12. 12. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   !  Simula>on  de  la  collabora>on  [Foley  et  al.,  ECIR  2009]    -­‐  adapta>on  à  l’exper>se  [Soulier  et  al.,  AIRS  2013]   89   FT944-­‐15661   89   FT944-­‐15661   149    FT944-­‐5773   238   FT931-­‐8485   151   FT931-­‐5947   185   FT944-­‐5773   185   FT944-­‐5773   238   FT934-­‐8485   Session  individuelle dans  TREC  Interac3ve Liste  synchronisée  de   documents  pour  la   session  collabora3ve 151   FT931-­‐5947   149    FT944-­‐5773   253   FT931-­‐8485   253   FT934-­‐8485               RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     12   Session  individuelle dans  TREC  Interac3ve
  13. 13. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   !  Collec>on  TREC  Interac>ve  6-­‐7-­‐8       Méthode   exhaus>ve   Méthode   sélec>ve   Classifica>on    2-­‐means   …  Expertise(uj,T) = Spec(di ) di ∈DT (uj ) ∑ | DT (uj )| !  Adapta>on  au  niveau  de  l’exper>se   Topic  TREC   Nombre  de  documents   210  158   Nombre  de  topics  TREC   20   Nombre  de  par>cipants  considérés   7   Nombre  de  requêtes  individuelles   197   Nombre  de  requêtes  générées  avec  la  méthode  exhaus1ve   243   Nombre  de  requêtes  générées  avec  la  méthode  sélec1ve   95   Experts   Novices   …   …   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     13  
  14. 14. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve     Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   Division  du     travail   ! Variantes  du  modèle   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     14  
  15. 15. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve     Ordonnancement   des  documents   selon  les  rôles   Division  du     travail   SansEMDT  :  la  version  individuelle  de  notre  modèle  qui  intègre   seulement  le  calcul  des  scores  des  documents  en  fonc>on  du  rôle.     Calcul  des   scores  selon  les   rôles   Calcul  des  scores   selon  les  rôles   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     15   ! Variantes  du  modèle  
  16. 16. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve     Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   Division  du     travail   SansEMDT  :  la  version  individuelle  de  notre  modèle  qui  intègre   seulement  le  calcul  des  scores  des  documents  en  fonc>on  du  rôle.   SansDT  :  notre  modèle  sans  garan>r  le  principe  de  division  du  travail.       Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     16   ! Variantes  du  modèle  
  17. 17. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve     Calcul  des  scores   selon  les  rôles   Ordonnancement   des  documents   selon  les  rôles   Division  du     travail   SansEMDT  :  la  version  individuelle  de  notre  modèle  qui  intègre   seulement  le  calcul  des  scores  des  documents  en  fonc>on  du  rôle.   SansDT  :  notre  modèle  sans  garan>r  le  principe  de  division  du  travail.     SansEM  :  notre  modèle  sans  l’étape  d’alloca>on  des  documents  mais  en   garan>ssant  la  division  du  travail.     Calcul  des  scores   selon  les  rôles   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     17   ! Variantes  du  modèle  
  18. 18. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   SansEMDT  :  la  version  individuelle  de  notre  modèle  qui  intègre   seulement  le  calcul  des  scores  des  documents  en  fonc>on  du  rôle.   SansDT  :  notre  modèle  sans  garan>r  le  principe  de  division  du  travail.     SansEM  :  notre  modèle  sans  l’étape  d’alloca>on  des  documents  mais  en   garan>ssant  la  division  du  travail.           FS  [Foley  et  al.,  ECIR  2009]  avec  un  paramétrage  op>mal  sur  la  mesure  d’autorité     RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     ! Modèles  de  référence  de  l’état  de  l’art   18   ! Variantes  du  modèle  
  19. 19. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   Métrique   Formule   Intui1on   Micro-­‐Précision   Niveau  session   Ra>o   de   documents   per>nents   sur   la   session   Niveau  rôle   Ra>o   de   documents   per>nents   sur   la   session  par  rapport  au  rôle  r   Diversité   Ra>o  de  couverture   Ra>o   de   documents   dis>ncts   sur   la   session   Ra>o  de  couverture   per>nente   Ra>o   de   documents   dis>ncts   per>nents  sur  la  session   P@30 = 1 θ 1 δT T∈θ ∑ Drelll∈ LS{ } ∑ Dselll∈ LS{ } ∑S∈δT ∑ P@30r = 1 θ 1 δT T∈θ ∑ Drelll∈ LS,r{ } ∑ Dselll∈ LS,r{ } ∑S∈δT ∑ C@30 = 1 θ 1 δT T∈θ ∑ Dist(LS ) |l | l∈ LS{ } ∑S∈δT ∑ PC@30 = 1 θ 1 δT T∈θ ∑ DistPert(LS ) |l | l∈ LS{ } ∑S∈δT ∑ ! Métriques  d’évalua>on  [Shah  et  al.,  SIGIR  2012  ;  Soulier  et  al.,  AIRS  2013]   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     19  
  20. 20. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   ! Analyse  compara>ve  au  niveau  de  la  session   Scénarios   P@30   %Tx   C@30   %Tx   PC@30   %Tx   Méthode  exhaus>ve   SansDT   0,260   +2,28%   0,383   +35,81%  ***   0,086   +42,56%  ***   SansEM   0,250   +6,34%  ***   0,364   +42,87%  ***   0,080   +52,36%  ***   SansEMDT   0,283   -­‐6,28%   0,279   +86,73%  ***   0,058   +112,92%  ***   FS   0,221   +17,64%  ***   0,442   +17,07%  ***   0,086   +41,91%  ***   ENColl   0,266   0,520   0,123   Méthode  sélec>ve   SansDT   0,275   +4,09%  *   0,362   +31,73%  ***   0,080   +29,63%    ***   SansEM   0,268   +7,01%  *   0,335   +42,46%  ***   0,072   +43,99%  ***   SansEMDT   0,303   -­‐5,26%   0,258   +84,73%  ***   0,050   +105,88%  ***   FS   0,208   +32,21%  ***   0,429   +10,95%  *   0,075   +37,99%  ***   ENColl   0,287   0,477   0,103   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     20  
  21. 21. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   ! Analyse  compara>ve  au  niveau  des  rôles   Méthode  exhaus1ve   Méthode  sélec1ve   Scénarios   P@30   %Tx   PC@30   %Tx   P@30   %Tx   PC@30   %Tx   Expert   SansDT   0,253   +5,43%   0,134   +13,22%  *   0,268   +9,21%  *   0,153   +8,96%   SansEM   0,246   +8,44%  *   0,079   +92,67%  *   0,270   +8,22%   0,080   +106,93%  ***   SansEMDT   0,268   -­‐0,59%   0,103   +47,80%  ***   0,295   -­‐0,94%   0,110   +50,98%  *   FS   0,219   +22,11%  **   0,093   +66,17%  *   0,244   +19,74%  *   0,086   +92,70%  **   ENColl   0,267   0,152   0,292   0,166   Novice   SansDT   0,233   +0,60%   0,138   +12,05%   0,270   +,47%   0,163   +3,60  %   SansEM   0,217   +7,70%  *   0,095   +62,24%  ***   0,242   +11,68%  ***   0,115   +46,53%  **   SansEMDT   0,253   -­‐7,30%  ***   0,111   +39,35%  *   0,287   -­‐5,69%   0,126   +33,78%   FS   0,222   +5,63%   0,102   +51,03%  *   0,237   +14,17%   0,125   +35,08%   ENColl   0,235   0,154   0,271   0,169   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     21  
  22. 22. Evalua>on  expérimentale   Recherche  d’Informa>on  Collabora>ve   ! Impact  sur  l’efficacité  selon  les  rôles  :  test  d’hypothèse   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     22   0,234   +13,76%     p-­‐value  0,20  0,267   Méthode   exhaus>ve   Méthode   sélec>ve   Topic  TREC   0,292   +7,78%     p-­‐value  0,59  0,271  
  23. 23. !  Proposi>on  d’un  modèle  de  RIC  basé  sur  l’exper>se  des  u>lisateurs  en  deux  étapes  :    Calcul  de  score  de  per>nence  des  documents  selon  le  rôle  des  collaborateurs    Maximisa>on  de  la  vraisemblance  de  la  per>nence  des  documents   !  Evalua>on  expérimentale    Modèle  adapté  pour  un  groupe  caractérisé  par  des  différents  niveaux  d’exper>se    Intérêt  de  la  personnalisa>on  des  scores  selon  l’exper>se  des  collaborateurs    Apport  de  l’algorithme  d’appren>ssage  qui  renforce  la  division  du  travail                   Conclusion   Recherche  d’Informa>on  Collabora>ve   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     23  
  24. 24. !  Modélisa>on  du  profil  d’exper>se    Sessions  de  recherche  interac>ves    Paramétrage  du  modèle  de  ranking   !  Evalua>on  expérimentale    Expérimenta>on  u>lisateur  (user-­‐study)    Collabora>on  à  plus  grande  grande  échelle   Perspec>ves   Recherche  d’Informa>on  Collabora>ve   RIC    |    Contexte    |    Travaux  connexes    |    Ques3ons  de  recherche    |    Modèle  de  RIC    |    Evalua3on    |    Conclusion     24  
  25. 25. Merci  de  votre  a]en1on   Laure  Soulier,  Lynda  Tamine  et  Wahiba  Bahsoun   IRIT,  Université  Toulouse  III  -­‐  Paul  Saba>er   hvps://twiver.com/LaureSoulier  

×