Personalized information retrieval and adaptation to user's context
Accès personnalisé à l'information - Adaptation au contexte de l'utilisateur
Résumé
The information found on the Internet is growing at such a rapid rate that soon methods of searching through text using terms frequencies will not be enough. One stream of thought is devoted to personalizing the search, which means taking into account the specific traits and background of a user when answering that user's query. We believe that user's profile, user's community, and user's context are the three main issues to tackle the problem of the ever growing World Wide Web. The thesis investigates the combination of these three streams of thought. In the first part of this thesis, we develop a PERsonalized and Collaborative Information Retrieval System (called PERCIRS), which makes use of the first two factures (profile and community). PERCIRS creates a ranked list for the query q of the user U based on the documents selected by similar users to U which have been considered as relevant to the similar queries to q. The effectiveness of method for finding the similar users plays an important role in PERCIRS's effectiveness. To this aim, we have proposed three categories of formulas to calculate the similarity between two user profiles: equality-based, similarity-based and graph-based. In order to find the optimal category we proposed two evaluation mechanisms: categorization-based and classification-based. Both of these two mechanisms agreed on the graph-based user profile calculation formulas as the optimal formulas. As PERCIRS is a personalized IR system (due to considering user profiles), it can not be evaluated by Cranfield like evaluation mechanisms (e.g. TREC). Hence in this thesis we propose a new mechanism which enables us to evaluate it with the other classical IR systems such as BM25-Okapi. In the second part, the user's context is used to adapt a found document by PERCIRS to user's preferences. We propose to physically and semantically adapt a given document based on the user's profile and context's profile. A mechanism is also proposed to navigate into the adapted documents according to user's preferences.
Les informations disponibles sur l'Internet se développent à un rythme tel que bientôt les méthodes de recherche textuelle utilisant la fréquence des termes ne seront plus suffisantes. Un courant de pensée est consacré à la personnalisation de la recherche, à savoir prendre en compte des traits spécifiques et le contexte de l’utilisateur pour répondre à sa requête. Nous pensons que le profil, la communauté, et le contexte de l'utilisateur sont les trois concepts essentiels à envisager pour faire face au problème de la croissance du World Wide Web. La thèse étudie la combinaison de ces trois courants de pensée. Dans la première partie de cette thèse, nous développons un système de recherche d’information personnalisé et collaboratif (appelé PERCIRS), qui utilise les deux premiers concepts (le profil et la communauté). PERCIRS crée une liste classée de documents pertinents, pour la requête q de l'utilisateur U. Cette classification se fait sur la base des documents sélectionnés pour les requêtes semblables à q par les utilisateurs au profil similaire à celui de U. Le choix de la méthode de recherche d’utilisateurs similaires joue un rôle important dans l’efficacité de PER-CIRS. À cette fin, nous avons proposé trois catégories de formules pour calculer la similarité entre deux profils d'utilisateurs: formule fondée sur l'égalité, formule fondée sur la similarité et enfin une formule fondée sur les graphes. Afin de trouver la catégorie optimale, nous avons proposé deux mécanismes d'évaluation: fondés sur les concepts de la catégorisation et de la classification. Ces deux mécanismes s’appuient sur les formules de calcul de profil utilisateur fondées sur les graphes. PERCIRS étant un système de recherche d’information (SRI) personnalisé (en raison de la prise en compte des profils d'utilisateur), il ne peut pas être évalué par des mécanismes d'évaluation tels que Cranfield (par exemple TREC). Par conséquent, dans cette thèse, nous proposons un nouveau mécanisme qui permet de l'évaluer en même temps que les autres SRI classiques tels que BM25 – Okapi. Dans la deuxième partie de ce travail de thèse,, le contexte de l'utilisateur est utilisé pour adapter, aux préférences de l'utilisateur, un document trouvé par PERCIRS. Nous proposons d'adapter physiquement et sémantiquement un document selon le profil de l'utilisateur et selon le profil de contexte. Un mécanisme est également proposé pour naviguer dans des documents adaptés en fonction des préférences de l'utilisateur.