Précédent : Raisonnement à partir de cas
Remonter : Résultats nouveaux Suivant :
Broadway*Tools: vers
une boîte à
Mots clés : filtrage collaboratif, fouille de données, analyse des comportements utilisateur, raisonnement à partir de cas .
Participants : Michel Jaczynski, Rushed Kanawati, Brigitte
Trousse.
Nous proposons d'utiliser les techniques de raisonnement à partir et plus particulièrement notre modèle d'indexation de cas par situations comportementales pour le calcul de recommandations. Dans ce contexte, un cas référence une expérience passée à un instant donné oú la partie problème (ou situation) décrit un comportement pertinent dans cette expérience et la partie solution (ou recommandations) indique les comportements pertinents futurs, par rapport à l'instant de référence du cas. Le cycle RàPC appliqué à notre approche de calcul de recommandations est alors celui illustré à la figure 4.
Diverses améliorations ont été faites au niveau de Broadway V1, en particulier au niveau de la phase de révision et de la phase d'apprentissage [[18]]. Une évaluation de l'utilité du système Broadway a été menée le 16 mars par des étudiants en Ergonomie (Université de Provence dans le cadre de leur DESS) avec deux groupes regroupant au total 10 sujets [[25]]. Cette première évaluation expérimentale de notre assistant a montré l'intérêt et la faisabilité de notre approche. D'autres expérimentations sont dès à présent prévues.
Un méta-moteur de recherche d'information permet d'interroger d'une manière transparente un ensemble hétérogène et réparti de sources d'information [DH97]. Ce type d'outils facilite la tâche des utilisateurs en proposant une interface unique d'interrogation et de visualisation des résultats collectés des sources hétérogènes. Outre les problèmes techniques (i.e. développement des interfaces avec les sources existantes [ABP+97], l'aggrégation des résultats [SC97]), des problèmes d'efficacité de recherche sont à traiter lors de la conception d'un tel outil. La traduction des requêtes génériques en requêtes natives qui peuvent être traitées par les sources d'information interrogées est une source supplémentaire d'imprécison des requêtes [BCW96]. De plus il faut savoir choisir le sous-ensemble de sources à interroger parmi les sources disponibles faute de quoi le système serait peu utilisable [XCLN98]. Un service de personnalisation de résultats et d'aide à la sélection des sources trouve toute sa place dans ce type d'outils. Dans ce contexte, nous avons mené une étude pour identifier les applications possibles de l'approche de recommandation « Broadway » afin d'améliorer les performances d'un tel outil de recherche d'information. Trois applications principales ont pu être identifiées :
L'utilisation de similarité entre requêtes est l'une des approches classiques d'aide à la reformulation de requêtes. Différentes mesures de similarités ont été proposées et comparées dans la litérature. Cependant aucune de ces mesures ne prend en compte les positions relatives des requêtes comparées dans les processus de la reformulation. C'est cette nouvelle mesure de similarité que nous proposons à travers l'application de l'approche Broadway pour le problème de reformulation de requêtes. En outre notre approche Broadway-QR peut être utilisée comme un optimiseur des autres approches classiques de reformulation de requêtes. Des experimentations de cette approche pour l'optimisation automatique des requêtes sont en cours. La spécification de l'approche Broadway-QR est détaillée dans [[26]].
Un premier prototype de l'application de l'approche
Broadway-QR pour l'aide à la reformulation de requêtes est
développé. Ce prototype, appelé BeCBKB, ajoute un service de
reformulation de requête au meta-moteur de recherche
d'information CBKB développé à XRCE [ABP+97]. Dans ce
premier prototype nous avons considéré le cas simple des requêtes
constituées uniquement d'une liste de mots clés. Les résultats de
cette étude sont rapportés dans [[26]].