Crechaindo, un système itératif et interactif de classification par treillis de concepts, pour la recherche d'information sur le web

L'analyse formelle de concepts (AFC) permet d'organiser des objets en fonction de leurs proprietes. Des travaux recents ont utilise l'AFC pour reorganiser, sous la forme d'un treillis de concepts, les reponses fournies par un moteur de recherche du web. Le resultat du moteur de recherche est structure et synthetise en treillis de concepts dans lequel l'utilisateur peut naviguer. Un tel treillis contient des concepts pertinents par rapport a une tâche de recherche d'information donnee et d'autres qui ne le sont pas. Pour que l'utilisateur puisse se focaliser sur ce qui l'interesse et eliminer ce qui ne l'interesse pas, nous proposons un systeme interactif dans lequel il va exprimer son interet (positif ou negatif) pour certains concepts du treillis. Ce retour de l'utilisateur est exploite dans la classification pour faire evoluer le treillis et ainsi mieux l'adapter au besoin de l'utilisateur.

[1]  Emmanuel Nauer,et al.  Dynamical Modification of Context for an Iterative and Interactive Information Retrieval Process on the Web , 2007, CLA.

[2]  Sébastien Ferré,et al.  Camelis: Organizing and Browsing a Personal Photo Collection with a Logical Information System , 2007, CLA.

[3]  Claudio Carpineto,et al.  Effective Reformulation of Boolean Queries with Concept Lattices , 1998, FQAS.

[4]  J. J. Rocchio,et al.  Relevance feedback in information retrieval , 1971 .

[5]  Jon Ducrou.  DVDSleuth: A Case Study in Applied Formal Concept Analysis for Navigating Web Catalogs , 2007, ICCS.

[6]  Emmanuel Nauer,et al.  CreChainDo: an iterative and interactive Web information retrieval system based on lattices , 2009, Int. J. Gen. Syst..

[7]  Marcus Fontoura,et al.  Using annotations in enterprise search , 2006, WWW '06.

[8]  Peter W. Eklund,et al.  SearchSleuth: The Conceptual Neighbourhood of an Web Query , 2007, CLA.

[9]  Claudio Carpineto,et al.  Order-theoretical ranking , 2000 .

[10]  Jean-Charles Lamirel,et al.  Novelty Detection for Modeling User's Profile , 2005, FLAIRS Conference.

[11]  Gerd Stumme,et al.  CEM-Visualisation and Discovery in Email , 2000, PKDD.

[12]  Soo Young Rieh,et al.  Analysis of multiple query reformulations on the web: The interactive information retrieval context , 2006, Information Processing & Management.

[13]  Claudio Carpineto,et al.  Information retrieval through hybrid navigation of lattice representations , 1996, Int. J. Hum. Comput. Stud..

[14]  Amedeo Napoli,et al.  CORON: A Framework for Levelwise Itemset Mining Algorithms , 2005 .

[15]  Susan T. Dumais,et al.  Implicit queries (IQ) for contextualized search , 2004, SIGIR '04.

[16]  Gerd Stumme,et al.  Document Retrieval for Email Search and Discovery using Formal Concept Analysis , 2002 .

[17]  Bernhard Ganter,et al.  Formal Concept Analysis: Mathematical Foundations , 1998 .

[18]  Claudio Carpineto,et al.  Exploiting the Potential of Concept Lattices for Information Retrieval with CREDO , 2004, J. Univers. Comput. Sci..

[19]  Jaime Teevan,et al.  Implicit feedback for inferring user preference: a bibliography , 2003, SIGF.

[20]  Bjoern Koester,et al.  Conceptual Knowledge Retrieval with FooCA: Improving Web Search Engine Results with Contexts and Concept Hierarchies , 2006, ICDM.

[21]  Claudio Carpineto,et al.  Mobile Clustering Engine , 2006, ECIR.

[22]  Xuehua Shen,et al.  Context-sensitive information retrieval using implicit feedback , 2005, SIGIR '05.