Une approche optimale basée Social Computing pour la sélection de sources d’information dans un environnement de recherche multi-sources

Abstract

L'objectif d'un système de recherche multi-sources (également appelé système de recherche d'information distribuée) est de récupérer des documents à partir d'un ensemble de sources distribuées via un courtier centralisé. Le système de recherche multi-sources englobe un ensemble de recherches portant sur des solutions pour rechercher du contenu en ligne qui ne peut pas être découvert à l'aide de techniques d'exploration Web standard et qui est souvent appelé "Web profond" ou "Web caché". Pour permettre la recherche, le courtier conserve une description représentative du contenu présent dans chaque source. Un problème critique dans la recherche multi-sources est la sélection des sources. ?tant donné qu'un système de recherche multi-sources peut être constitué d'un grand nombre de sources, la seule façon d'assurer une recherche rapide et économique est de rechercher un petit nombre de sources susceptibles de contenir des documents pertinents pour une requête. La sélection des sources est également essentielle pour la précision de la recherche d'information (pertinence-efficience-efficacité) pour la simple raison que la recherche de sources erronées contenant peu ou pas de documents pertinents entraînera un échec de la recherche pour une requête. Il existe depuis quelques années une pléthore de sources d'information disponibles sur Internet, ce qui fait que les méthodes classiques de recherche d'information ne peuvent répondre aux besoins actuels des utilisateurs aux profils différents. Les mêmes résultats de requête ne sont pas satisfaisants pour tous les utilisateurs ayant des intérêts différents, par conséquent, des résultats de requête personnalisés sont nécessaires. C'est le problème bien connu de la recherche personnalisée. D'autre part, les réseaux sociaux sont désormais le réseau d'intérêts des utilisateurs et de leurs relations les uns avec les autres. La recherche d'information doit prendre en compte cette communauté sociale dans le processus de recherche d'information pour satisfaire les différents utilisateurs avec des résultats personnalisés. Dans la recherche d'information multi-sources, il existe toute une littérature sur le problème de sélection des sources, diverses solutions ont été proposées qui utilisent différents modèles et techniques. Dans cette thèse, nous abordons le problème de la sélection des sources sous l'angle de la personnalisation. L'objectif est de satisfaire l'utilisateur avec des résultats proches de ses intérêts lorsque cet utilisateur est inclus dans des relations sociales avec d'autres utilisateurs et que l'environnement de recherche comprend un grand nombre de sources d'information. Pour commencer, nous avons formulé le problème de la sélection des sources comme un problème d'optimisation combinatoire, qui consiste à trouver la combinaison (une sélection des sources) quasi-optimale dans un espace de recherche prohibitif contenant un grand nombre de solutions possibles (combinaisons). Ce problème est résolu par l'utilisation d'une approche intelligente, notamment l'algorithme génétique. Ensuite, nous avons proposé d'exploiter les données sociales pour améliorer l'approche intelligente proposée pour la sélection des sources. L'amélioration de la précision de la sélection est assurée en fonction de la trace de l'utilisateur lors de l'utilisation de sources, c'est-à-dire que la description de la source est enrichie de balises issues de l'historique de marquage. Et pour résoudre le problème de manque de données utilisateurs, nous avons proposé une approche d'analyse d'une grande quantité de données contenues dans les fichiers journaux d'un système de recherche multi-sources en utilisant des techniques de fouille de données (Data Mining). L'objectif est de capturer, modéliser et analyser les schémas comportementaux et les profils des utilisateurs qui interagissent avec le système. La principale contribution de cette thèse est de fournir une solutio