Résultats de la classification

Nous présentons dans le tableau 4.4.4 le pourcentage de la précision et du rappel de la classification des requêtes de test informationnelles (Info), naviga- tionnelles (Nav) et transactionnelles (Trans) selon les trois méthodes de classifi- cation : la baseline TiMBL, notre méthode de classification basée seulement sur la morphologie de la requête (QF) et notre méthode de classification combinée (QF+QP). Nous avons également calculé la moyenne en termes de la précision et du rappel obtenues pour chacune des trois méthodes de classification.

En comparant notre approche (QF) à la classification de la baseline de TiMBL, nous pouvons constater qu’en moyenne, notre méthode (QF) donne une précision légèrement plus élevée (18.49%) que TiMBL (17.88%) et un rappel légèrement proche de TiMBL pour tous les types des requêtes. Plus précisé- ment :

– notre méthode de classification (QF) donne une valeur de précision de classification et de rappel des requêtes navigationnelles plus élevée que TiMBL.

– TiMBL donne une précision de classification des requêtes information- nelles plus élevé que notre méthode (QF) et une précision de classification des requêtes transactionnelles légèrement plus élevée que notre méthode QF.

Nous pouvons dire que la mauvaise classification des requêtes informationnelles selon la morphologie est du probablement à leur classification comme étant le type par défaut. Cependant, sur la base de ces résultats, nous pouvons confirmer la validité de notre méthode d’estimation du type de besoin selon la morphologie (QF) comparativement à un classifieur basique d’une part et que les probabilités calculées pour chaque type de besoin selon cette méthode (QF) servent de base à l’estimation du type de besoin intégrant le profil de la session.

En comparant notre méthode de classification combinée (QF+QP) à la méthode QF et à la baseline de TiMBL, nous constatons le suivant :

– Notre méthode de classification contextuelle (QF+QP) donne la meilleure précision moyenne et rappel moyen de classification pour tous les types de requêtes comparativement à la méthode (QF) et TiMBL.

– L’amélioration par rapport à TiMBL correspond à un rappel plus élevé pour les requêtes navigationnelles et transactionnelles et une précision plus élevée pour les requêtes informationnelles et transactionnelles. En se basant sur le rappel comme une mesure de base de comparaison entre les trois méthodes de classification, nous pouvons confirmer que l’intégration du profil de la session comme étant le type des requêtes associées permet de mieux prédire le type d’une nouvelle requête émise par l’utilisateur spécialement pour le type navigationnel et transactionnel.

En conclusion, la prédiction du type de besoin informationnel est la plus difficile vu que ce type est considéré comme étant le type par défaut et qu’il ne possède pas des caractéristiques spécifiques. L’amélioration de la qualité de la classification revient à augmenter la précision de la méthode de classification (QF) en décrivant plus des caractéristiques spécifiques liées aux différents types de besoins, spécialement pour le type informationnel.

Info Nav Trans Moyenne

Mesure P R P R P R P R Timbl (%) 10.08 50.0 29.03 72.0 14.52 36.73 17.88 52.91 QF (%) 3.24 16.33 38.87 96.0 13.36 33.67 18.49 48.67 QF+QP (%) 15.91 42.86 24.24 96.97 23.48 62.0 21.21 67.28 Tab. 4.4 – Résultats de classification des requêtes de test

Construction et évolution du profil

utilisateur à base d’ontologie pour

une recherche d’information

personnalisée

5.1

Introduction

L’objectif de la RI personnalisée est d’intégrer le profil de l’utilisateur dans le processus de RI afin de mieux répondre à ses besoins en information spécifiques tenant compte de ses intérêts et de ses intentions de recherche.

Le chapitre2de l’état de l’art présenté dans la première partie de cette thèse a permis de cerner le domaine de l’accès contextuel à l’information guidé par le profil de l’utilisateur, la notion autour de laquelle s’articule la RI personnali- sée. Notre contribution dans le domaine de l’accès personnalisé à l’information porte sur la conception d’un modèle d’accès personnalisé à l’information in- tégrant la construction de profils sémantiques des utilisateurs dans des tâches de recherche informationnelles [3, 4, 5]. Le profil est représenté par une liste de concepts ou un graphe de concepts issus de l’ontologie de l’ODP. Le profil utilisateur à court terme traduit généralement un centre d’intérêt de l’utilisa- teur construit sur la base d’une ou plusieurs sessions de recherche traitant d’un même besoin en information. Le profil à long terme de l’utilisateur traduit des centres d’intérêts persistants construits sur la base de récurrence des centres d’intérêts au cours des sessions de recherche de l’utilisateur. Finalement, la per- sonnalisation du processus de RI est basée sur l’exploitation combinée du profil utilisateur à court ou à long terme dans un ordonnancement personnalisé des résultats retournés en réponse à des requêtes corrélées au sujet du profil.

Ce chapitre est organisé comme suit. La section 5.2 présente les probléma- tiques et les motivations concernant le modèle de représentation du profil ainsi que le mode de dérivation du profil à court et à long terme. La section 5.3

présente l’architecture générale de notre modèle et la section 5.4 présente la terminologie et les notations utilisées. La section 5.5 présente les modèles de représentation du profil et le principe de délimitation des sessions de recherche permettant l’évolution du profil à court terme ainsi que le principe de définition du profil utilisateur sémantique à court et à long terme. La section5.6 décrit la construction et l’évolution du profil de l’utilisateur à court terme et la section

5.7 décrit celle du du profil utilisateur à long terme. Finalement, l’exploitation du profil de l’utilisateur à court et à long terme par le réordonnancement des résultats de recherche est présentée dans la section 5.8. La dernière section conclut le chapitre.