Proposition d'un modèle de recherche d'informations sociales à base de machine Learning avec expansion des requêtes de recherche.

Abstract

De nos jours, les plates-formes de microblogging sont les réseaux sociaux les plus récents et les plus utilisés du Web 2.0. Elles présentent une masse volumineuse d'informations. Twitter est le service de microblogging le plus populaire avec 320 millions d'utilisateurs actif par mois plus de 500 millions de tweets envoyés par jour"). Ce volume de publications complique l'opération d'accès à l'information par les Microblogeurs. Le tweet est un document court dont la longueur ne dépasse pas 140 caractères. Souvent écrit avec un langage mal orthographier, contenant des abréviations et des argots à fin de transcrire l'information avec un nombre de caractères minimum. La recherche d'informations dans le corpus des tweets présente un véritable défi pour les modèles de recherche d'informations actuelles, cela est dû au volume du corpus d'une part et aux caractéristiques des tweets d'autre part. En effet, quand l'utilisateur soumet une requête, le modèle de recherche sera confronté à deux problèmes : d'abord l'absence des termes de la requête dans le tweet, et le fait que chaque terme apparaît au plus une seule fois dans le texte. La sélection des meilleurs tweets se base sur un appariement lexical entre la requête et les tweets. De ce fait, il y a une grande probabilité que dans le Top de liste figurent des tweets non pertinents. Pour améliorer le classement des tweets pertinents beaucoup de travaux ont introduit les évidences temporelles dans leurs propositions en les combinant avec l'évidence lexicale pour le reclassement des tweets résultats de la première recherche, Nous avons proposé à notre tour un modèle de recherche d'information à base de machine Learning pour le classement des tweets, l'objectif du projet était de pouvoir effectuer une expansion de la requête de recherche pour avoir de meilleurs résultats. Les résultats que nous avons obtenus étaient plutôt satisfaisant, l'expérience était très enrichissante et les acquis théoriques et pratiques nous motive à explorer cet univers passionnant encore plus.

Mots clés : Twitter, microblogging, expansion requête, modèle de RI, le reclassement des tweets.Word2Vec, Machine Learning, IA