Soutenance mémoire
Systèmes de recommandation
Les systèmes de recommandation ont pour l’objectif principal de recommander des items à des utilisateurs. Nous présentons ici quelques-unes des approches de la recommandation.
— Les approches basées sur le contenu [Lan95, PB07] recommandent à l’utilisateur des items proches de ceux qu’il a appréciés. Cela requiert une description de chaque item et un moyen d’établir la proximité de deux items, par exemple en cherchant des points communs dans des mots-clefs décrivant les items. Il existe également des approches sémantiques [BFPAGS+08], dans lesquelles les items ne sont pas décrits par des mots-clefs, mais au sein des ontologies : plutôt que de recommander les items maximisant une mesure de similarité, ces approches cherchent les liens sémantiques entre les items appréciés par l’utilisateur et des candidats à la recommandation.
— Les approches collaboratives utilisent les notes attribuées, explicitement ou implicitement, par tous les utilisateurs aux items pour recommander des items. Il en existe deux variantes. Le filtrage basé sur les utilisateurs [RIS+94] cherche à rapprocher l’utilisateur d’autres utilisateurs ayant noté les mêmes items de manière similaire et à recommander les items appréciés par ces utilisateurs. Le filtrage basé sur les items [SKKR01] cherche à exploiter les notations des items pour établir des similarités entre items et proposer à l’utilisateur des items similaires à ceux qu’il a appréciés.
— Les approches démographiques [Paz99] cherchent à catégoriser les utilisateurs dans des classes à partir d’informations démographiques telles que leur âge, intérêts ou lieu d’habitation, puis à recommander des items à l’utilisateur en fonction de la classe dont il fait partie.
— Les approches basées sur la connaissance [Bur99] reposent sur un ensemble de règles qui, définies par un expert, sont utilisées pour déterminer les items à recommander en fonction de critères fournis par l’utilisateur. Le système peut éventuellement interroger l’utilisateur pour avoir des critères plus précis et affiner la recommandation.
— Il existe enfin diverses approches hybrides [MJZ03] qui réunissent différentes approches.
— L’hybridation pondérée consiste à utiliser la somme pondérée des scores d’un item dans plusieurs approches pour déterminer le score d’un item, et garder les items ayant le plus grand score.
— L’hybridation à bascule consiste à utiliser une approche ou une autre en fonction d’un critère.
— L’hybridation mixée consiste à présenter ensemble les résultats de différentes approches.
— L’hybridation par combinaison de caractéristiques consiste à utiliser les caractéristiques d’une approche dans une autre approche.
— L’hybridation en cascade consiste à utiliser une approche pour filtrer un ensemble d’items recommandés par une autre approche.
— L’hybridation par ajout de caractéristiques consiste à utiliser le résultat d’une approche comme paramètre dans une autre approche.
— L’hybridation métaniveau consiste à utiliser une approche de personnalisation pour générer un modèle, et à utiliser une autre approche dans ce modèle plutôt qu’avec les données originales.
Le choix de l’approche de recommandation est une tâche complexe qui dépend de nombreux paramètres, tels que le domaine et le nombre d’utilisateurs et d’items que le système devra gérer. Un système donné suit une seule approche (éventuellement hybride) et résout un problème de recommandation, sans chercher la généralité. La majorité des systèmes de recommandation ont des approches numériques et n’utilisent pas de techniques de raisonnement. Seuls les systèmes basés sur le contenu utilisant une approche sémantique peuvent faire appel à des techniques de raisonnement dans la manipulation des informations sémantiques.
Hypermédias adaptatifs
Un hypermédia est un ensemble de ressources (texte, vidéo, audio, etc.) connectées par des liens. Chaque nœud contient une certaine quantité d’information et des liens vers d’autres nœuds. La définition la plus largement répandue d’hypermédia adaptatif est celle de Brusilovsky [Bru96] :
Par système d’hypermédias adaptatifs, nous entendons tous les systèmes hypertextes et hypermédias qui reflètent certaines caractéristiques de l’utilisateur dans un modèle de l’utilisateur et utilisent ce modèle pour adapter divers aspects visibles du système à l’utilisateur.
Ces systèmes sont avantageux dans le cas où un seul système est utilisé par plusieurs utilisateurs ayant différents buts, connaissances et expériences, et où le corpus sous-jacent est suffisamment grand. Ces systèmes sont une tentative de réponse au problème «d’égarement dans l’hyperespace» : les buts et connaissances de l’utilisateur peuvent être utilisés pour modifier les liens disponibles dans un système hypermédia.
Techniques d’adaptation
Il existe de nombreuses techniques d’adaptation, regroupées en trois catégories [Bru96] : les techniques d’adaptation de contenu, de parcours, et de présentation. L’adaptation du contenu se fait principalement de deux manières : en montrant ou ne montrant pas certaines informations, ou bien en accentuant ou en estompant certaines informations [KBP09]. Dans le premier cas, on donne ou non l’information à l’utilisateur alors que dans le second, on ne fait que lui suggérer ou non de lire. Les informations en question peuvent être des explications supplémentaires ou des variantes d’explications en fonction des buts, intérêts tâches ou connaissances de l’utilisateur [Bru92]. Par exemple, le système peut fournir des explications sur des notions prérequises à la compréhension d’une page que l’utilisateur ne maîtriserait pas [FMRR90], ou des explications comparatives mettant en relation les concepts présentés avec des concepts connus de l’utilisateur [FMRR90]. Cela peut se faire par la modification du contenu lui-même, ou par des techniques d’adaptation de la présentation, comme l’atténuation de parties du contenu, le tri de contenus en mettant ceux à lire en premier, le zoom [TS03] (le contenu est réduit et peut être agrandi par l’utilisateur) ou le déroulement de texte (idem, mais le texte est résumé plutôt que réduit visuellement). Comme le contenu, la navigation peut être influencée de deux manières : par la force, ou par la suggestion. Les techniques de guidage direct sélectionnent les liens adaptés pour un utilisateur et masquent les autres, offrant ainsi une structure de navigation plus contrainte et forçant l’utilisateur à suivre un chemin [FNW98]. La plupart des travaux sur l’adaptation de navigation cherchent à suggérer des chemins de navigation à l’utilisateur plutôt qu’à le contraindre, par exemple en triant une liste de liens par pertinence pour l’utilisateur, ou en annotant les liens avec une couleur ou une icône [BSW96] (métaphore du feu tricolore : les liens pertinents sont en vert, les liens moins pertinents sont en orange, et les liens déconseillés sont en rouge). L’adaptation de la présentation peut être faite pour mettre en valeur ou non certaines parties du contenu ou certains liens, devenant ainsi un instrument de l’adaptation de contenu ou de navigation. Elle peut aussi se faire au nom de la présentation elle-même, en fournissant une mise en page adaptée à l’utilisateur ou au périphérique sur lequel il consulte le système (téléphone, tablette ou fixe).
Modèle de référence
Le modèle de référence d’hypermédia adaptatif [Bru96] considère que l’application est basée sur trois principes.
1. L’application est basée sur un modèle du domaine qui décrit comment la représentation conceptuelle du domaine de l’application est structurée. Ce modèle indique les relations entre les concepts, et comment ils sont connectés aux contenus à présenter (les pages ou fragments de pages).
2. Un modèle de l’utilisateur maintenu à jour représente les connaissances, intérêts, buts, objectifs, historique d’interaction de l’utilisateur, ou toute autre information pouvant être utile à l’adaptation.
3. Un modèle de l’adaptation exprime comment la présentation, le contenu et la navigation sont adaptés aux informations contenues dans le modèle de l’utilisateur. Ce modèle de l’adaptation met en relation le modèle du domaine et le modèle de l’utilisateur et exprime comment l’adaptation doit être générée à partir de ces derniers.
AHAM [WHDB98, DBHW99] est un des modèles de référence pour la création d’hypermédias adaptatifs. Le domaine y est représenté comme un ensemble de concepts ayant entre eux des relations (la nature des relations dépend du domaine, celles-ci peuvent être par exemple des relations de prérequis ou de composition) ; à ces concepts sont rattachées des pages composées de fragments. Le modèle de l’utilisateur est défini par un ensemble d’attributs rattachés aux concepts : chaque attribut a une valeur pour chaque concept et pour chaque utilisateur. Le modèle de l’adaptation est un ensemble de règles définissant comment les concepts, les relations et les attributs sont reliés. Par exemple, une règle peut spécifier que dans le cadre d’une relation de prérequis entre C1 et C2, pour un utilisateur donné, l’attribut C2.readyToRead est vrai si l’attribut C1.read est vrai. Le modèle ne spécifie pas comment construire les pages.
|
Table des matières
I Introduction
1 Contexte et problématique
1.1 Problématique
1.2 Approche
1.3 Contributions
2 État de l’art
2.1 Personnalisation et personnification
2.1.1 Systèmes de recommandation
2.1.2 Hypermédias adaptatifs
2.1.3 Personnalisation et Web sémantique
2.1.4 Personnification
2.1.5 Conclusion
2.2 Expression logique des agents interagissant avec des humains
2.2.1 Le problème du sensing
2.2.2 Agents en Golog
2.2.3 Gestion de l’interlocuteur humain
2.2.4 Logiques modales
2.2.5 Conclusion
2.3 Altération d’agents
2.3.1 Préférences globales sur l’exécution d’agents
2.3.2 Choix des buts dans le modèle BDI
2.3.3 Personnification d’agents
2.3.4 Conclusion
2.4 Conclusion de l’état de l’art
II Contributions
3 Contributions préliminaires
3.1 Personnalisation faible et forte
3.1.1 Définitions
3.1.2 Illustrations
3.1.3 Conclusion
3.2 Modélisation d’applications Web sous forme d’agents logiques
3.2.1 Choix d’IndiGolog
3.2.2 Structure de l’agent interagissant sur le Web
3.2.3 Théorie de l’action d’une application Web
3.2.4 Illustration : bonjour, monde
3.2.5 Illustration : agent gérant un hypertexte
3.2.6 Conclusion
4 Choix d’un agent et altération des choix
4.1 Extension nécessaire de Golog
4.2 Transformations
4.2.1 Transformations simples
4.2.2 Transformations destructrices
4.2.3 Report du choix à l’exécution
4.2.4 Validité des transformations
4.2.5 Conclusion
4.3 Ajout de choix
4.3.1 Transformation d’actions
4.3.2 Caractérisation des familles d’actions
4.3.3 Généralisation aux procédures
4.3.4 Conclusion
5 Affinités et critères de choix
5.1 Profils et attributs
5.2 Affinités d’actions
5.2.1 Attributs d’une action
5.2.2 Actions à attributs fixes
5.2.3 Actions à attributs variables
5.2.4 Attributs d’une action dans un programme
5.2.5 Calcul de l’affinité
5.2.6 Classe d’affinité
5.3 Comparaison de programmes
5.3.1 Comparaison de multi-ensembles
5.3.2 Comparaison d’actions
5.3.3 Résolution des conditions
5.3.4 Comparaison de séquences
5.3.5 Comparaison des choix
5.3.6 Éléments transparents à la comparaison
5.4 Programmes requis et programmes bannis
5.5 Conclusion
6 Processus automatique de transformation
6.1 Actions
6.2 Choix de programmes
6.3 Choix d’arguments
6.4 Conclusion
III Applications des transformations
7 Personnalisation
7.1 Système de recommandation
7.1.1 Description
7.1.2 Personnalisation selon les sujets
7.1.3 Renforcement et découverte
7.1.4 Combinaison des transformations
7.2 Hypermédia adaptatif pédagogique
7.2.1 Description
7.2.2 Programme de base
7.2.3 Personnalisation
7.3 Conclusion
8 Personnification
8.1 Agent conversationnel
8.2 Représentation du domaine
8.3 Architecture de l’agent
8.4 Altération de l’agent
8.4.1 Sélection du type d’information à partager
8.4.2 Acceptation des interprétations
8.4.3 Combinaison des transformations
8.5 Conclusion
IV Conclusion
