Résumé

Nous présentons dans cet article des modèles de langues parcimonieux sociaux de documents qui permettent de détecter les termes les plus importants du document et d’éliminer les termes communs ou non significatifs. La détection de ces termes est guidée et renforcée par les liens entre les termes du document et ses annotations sociales (tags). En prenant le contre- pied des approches classiques de personnalisation qui généralement s’intéressent en priorité aux profils utilisateurs ou à la fonction de correspondance, notre proposition porte sur la mise en avant des termes les plus importants des documents afin de mieux personnaliser les réponses. Les évaluations effectuées sur le corpus Social Book Search 2016 montrent que nos propositions apportent dans certains cas une amélioration aux modèles de l’état de l’art.

Abstract

In this paper, we define social parcimonious language models that emphasize the most important terms in documents, and lower less important terms. The detection of important terms relies on the document itsef and on the tags that were employed by users to describe the document. Conversely to classical personalization approaches that focus first on user’s profiles or on the matching function, our proposal focuses on the documents representations. Evaluation achieved on the Social Book Search 2016 collection show that our proposal outperforms reference approaches in several cases.