Estimation de la pertinence multidimensionnelle en recherche d’information
Nous proposons une nouvelle approche d’agrégation pour l’estimation de la pertinence multidimensionnelle. L’approche est basée sur un opérateur d’agrégation mathématique qui utilise une mesure floue permettant la quantification de l’importance estimée des critères ainsi que leur degré d’interaction...
Enregistré dans:
| Auteurs principaux: | , , |
|---|---|
| 格式: | Article ou chapitre numérique |
| 語言: | Français |
| 出版: |
2016
|
| 主題: | |
| 在線閱讀: | Accès Université d'Orléans et IFPM |
| 總結: | Nous proposons une nouvelle approche d’agrégation pour l’estimation de la pertinence multidimensionnelle. L’approche est basée sur un opérateur d’agrégation mathématique qui utilise une mesure floue permettant la quantification de l’importance estimée des critères ainsi que leur degré d’interaction ou d’interdépendance. Nous évaluons l’opérateur proposé dans le cadre de trois scénarios de recherche d’information, en l’occurrence une tâche de recherche de tweets, une tâche de recherche personnalisée dans les folksonomies et une tâche de recherche d’information contextuelle. Les résultats expérimentaux obtenus montrent l’impact de l’approche proposée sur les performances de recherche. |
|---|