PERCIRS: a PERsonalized Collaborative Information Retrieval System

RESUME. Pendant que le volume d'information augmente, l'importance de la recherche d’information augmente. La CIR (Collaborative Information Retrieval) est l'une des approches conventionnelles dans les systemes de recherche d’information. Un systeme de CIR enregistre les interactions des utilisateurs pour repondre aux questions suivantes plus efficacement. Mais les buts et les caracteristiques de deux utilisateurs peuvent etre differents; ainsi quand ils envoient la meme requete a un systeme de CIR, ils peuvent etre interesses par deux listes de documents differentes. Dans cet article nous traitons le probleme de personnalisation dans les systemes de CIR en construisant le profil pour chaque utilisateur. Nous proposons trois nouvelles approches pour calculer la similitude des profils d'utilisateurs que nous les emploierons dans notre algorithme personnalise de CIR.

[1]  W. Bruce Croft.  Approaches to Intelligent Information Retrieval , 1987, Inf. Process. Manag..

[2]  Barry Smyth,et al.  Collaborative Web Search , 2009, IJCAI.

[3]  Nicholas J. Belkin,et al.  Proceedings of the 20th annual international ACM SIGIR conference on Research and development in information retrieval , 1997, SIGIR 1997.

[4]  Barry Smyth,et al.  Exploiting Query Repetition and Regularity in an Adaptive Community-Based Web Search Engine , 2004, User Modeling and User-Adapted Interaction.

[5]  Stephen E. Robertson,et al.  Okapi at TREC-3 , 1994, TREC.

[6]  Stephen E. Robertson,et al.  GatfordCentre for Interactive Systems ResearchDepartment of Information , 1996 .

[7]  Barry Smyth,et al.  A Live-User Evaluation of Collaborative Web Search , 2005, IJCAI.

[8]  Vijay V. Raghavan,et al.  On the reuse of past optimal queries , 1995, SIGIR '95.

[9]  Edward A. Fox,et al.  Proceedings of the 18th annual international ACM SIGIR conference on Research and development in information retrieval , 1992, Annual International ACM SIGIR Conference on Research and Development in Information Retrieval.

[10]  Donna K. Harman,et al.  Overview of the Eighth Text REtrieval Conference (TREC-8) , 1999, TREC.

[11]  Barry Smyth,et al.  Further Experiments on Collaborative Ranking in Community-Based Web Search , 2004, Artificial Intelligence Review.

[12]  Ji-Rong Wen,et al.  Clustering user queries of a search engine , 2001, WWW '01.

[13]  Larry Fitzpatrick,et al.  Automatic feedback using past queries: social searching? , 1997, SIGIR '97.

[14]  Markus Junker,et al.  Towards Collaborative Information Retrieval: Three Approaches , 2003, Text Mining.

[15]  Natalie S. Glance,et al.  Community search assistant , 2001, IUI '01.

[16]  Wei-Ying Ma,et al.  Similarity spreading: a unified framework for similarity calculation of interrelated objects , 2004, WWW Alt. '04.

[17]  Ji-Rong Wen,et al.  Query clustering using user logs , 2002, TOIS.

[18]  Giovanni Guida,et al.  User modeling in intelligent information retrieval , 1987, Inf. Process. Manag..