La recherche de commentaires pertinents

Abstract

Notre travail se situe au carrefour de la recherche d'information (RI) et des réseaux sociaux qui est la Recherche d’Information Sociale (RIS). Nous nous intéressons, plus précisément, à la recherche de signaux sociaux textuels pertinents comme (les commentaires, les statuts, les tweets, etc.) dans Twitter, Facebook et YouTube. Pour le faire, nous commençons d’abord par une approche de recherche syntaxique bonifiée à la suite par une recherche sémantique. Cette dernière repose sur deux mesures de similarité conceptuelle celles de Wu-Palmer [1] et PathSimilarity [2]. Ensuite, nous intégrons, d'une manière séparée et combinée, toutes les interactions des utilisateurs non textuelles (ex : Like, dislike, share, reactions, ...etc.) laissées sur leurs contenus textuels au sein du processus de recherche en tant que source d’information additionnelle pour améliorer la pertinence des résultats. La combinaison des signaux non textuels peut être ainsi un critère de pertinence sociale. Notre modèle de RI se base sur une représentation vectorielle des données. Il effectue un appariement entre la requête saisie et les documents déjà préparés pour retourner le classement (ranking) de ces derniers selon leur pertinence globale. Nos expériences menées ont montré une augmentation du taux de satisfaction meilleur (Pertinence) par rapport aux systèmes de recherche d’information classiques.