De l'apprentissage d'ordonnancement à l'adaptation au contexte
Les moteurs de recherche géoréférencés utilisent des algorithmes d’ordonnancement complexes, prenant en compte le contexte d’utilisation, l’e-reputation et les réseaux sociaux, pour classer pertinemment les lieux vis-à-vis d’une requête. Or, comprendre les critères de sélection des utilisateurs et d...
Kaydedildi:
| Yazar: | |
|---|---|
| Materyal Türü: | Article ou chapitre numérique |
| Dil: | Français |
| Baskı/Yayın Bilgisi: |
2013
|
| Konular: | |
| Online Erişim: | Accès Université d'Orléans et IFPM |
| Özet: | Les moteurs de recherche géoréférencés utilisent des algorithmes d’ordonnancement complexes, prenant en compte le contexte d’utilisation, l’e-reputation et les réseaux sociaux, pour classer pertinemment les lieux vis-à-vis d’une requête. Or, comprendre les critères de sélection des utilisateurs et d’ordonnancement des moteurs est crucial pour les entreprises. Nous présentons le principe de l’optimisation de l’ordonnancement sur les moteurs de recherche et les approches et algorithmes existants. Nous montrons qu’ils sont limités et non adaptés au géoréférencement. Nous proposons une amélioration de l’évaluation de la pertinence et une méthodologie d’adaptation aux requêtes utilisant la sélection de variables embarquée. |
|---|