Le domaine de la recherche d’information (RI) est considéré comme un domaine d’application réussi du traitement de langage naturel (TLN). De nos jours, l’émergence des réseaux sociaux a conduit à l’apparition d’une nouvelle branche de recherche d’information, c’est la recherche d’information sociale qui bénéfice de l’exploitation des informations issus des interactions user-user et user-ressources Web sur les réseaux sociaux pour améliorer les résultats de recherche. Notre travail rentre donc dans la problématique de la RI où nous définissons une approche basée sur trois mesures de pertinences essentielles pour estimer la pertinence globale des résultats de recherche : (a) pertinence thématique : traduite le degré d’adéquation de l’information retrouvée au thème évoqué par les mots clefs de la requête, (b) pertinence sociale : calculée selon une formule exploitant les signaux sociaux (c) pertinence émotionnelle : calculée selon un processus d’analyse des sentiments. Nos expériences montrent une amélioration significative de la performance du système de la recherche classique de films en intégrant des critères sociaux et émotionnels provenant des réseaux sociaux. Cette exploitation est réalisée selon des mesures définies dans le domaine de la RI et en utilisant un dataset de films définis et construit à partir du site IMDb. Mots-clés : recherche d’information, traitement de langage naturel, recherche d’information sociale, pertinence, signaux sociaux, processus d’analyse des sentiments, système de recherche d’information, dataset.
Cette section est consacrée à la description du processus général de la méthodologie de Ranking thématique et re-ranking Socio-Emotionnel des résultats de recherche en exploitant les contenus sociaux du big-social data "Twitter". Notre processus de RI, qui est la procédure fondamentale du système, a pour but la mise en relation des informations disponibles (dataset IMDb) d’une part, et les besoins de l’utilisateur (Query) d’autre part. Ce processus de recherche peut se résumer dans la Error! Reference source not found.5 cidessous : some L’indexation des documents (Document) et des requêtes (Query). some L’appariement (Document, Query), qui permet de comparer la requête et le document. L’utilisateur exprime son besoin en information par une requête (Query) et interroge la base des films (Document) brute d'une part et augmentée de données sociales d'autres part, via une interface qui assure la communication entre la base des films et l’utilisateur. Ces données sociales représentent ainsi une valeur ajoutée (des méta-données), pour enrichir le contenu et la représentation des documents originaux. Notre SRI est constitué de Module de traitement des documents pour l’indexation et le stockage d’information, Module de traitement des requêtes qui a pour objectif de représenter les requêtes des utilisateurs et Module de recherche d'information en effectuant une correspondance RSV (Document, Query) entre requête utilisateur et documents de la base. A l’étape final, le système renvoi l’information pertinente via un outil de visualisation. Le processus de RI que nous proposons consiste à estimer l’importance Socio-EmotThématique d’une ressource en exploitant ses signaux sociaux associés et quantifiés, où chaque contenu social textuel représente un facteur de pertinence.
- Collecte des documents de films d’IMDB
- Prétraitement (Preprocessing)
- Indexation
- Appariement document-requête
- Collecte des contenus sociaux via Twitter
- Evaluation des résultats
