Upload
didier-chardon
View
105
Download
3
Embed Size (px)
Citation preview
Nom du congrès Lieu - date 1
Traces d'Interaction au sein d'un Environnement
de Collaboration
Qiang LI
Atelier Trace IC 2011 16/05/2011 Chambéry
Nom du congrès Lieu - date
Plan
216/05/2011 Chambéry Atelier Trace IC 2011
• Trace & Trace numérique (TN)
• Web Mining – Web Usage Mining
• Trois Niveaux de Trace Numérique
• Environnement: E-MEMORAe 2.0
• Conclusion et Perspective
Nom du congrès Lieu - date 316/05/2011 Chambéry Atelier Trace IC 2011
Nom du congrès Lieu - date 416/05/2011 Chambéry Atelier Trace IC 2011
TraceEtymologieLatin:«tractiare»--L’action de tirer.
« Une suite d’empreintes laissée par le passage d’un homme ou d’un animal »
« l’exemple à suivre »
« une petite quantité, résiduelle, subsistante »
Des siècles 1120 1190 1530 1847 1989
« La marque laissée par ce qui agit sur quelque chose »
1250
« l’impression qu’il reste quelque chose » ou « ce qui reste du passé »
« paradigme indiciaire »
……
Nom du congrès Lieu - date 516/05/2011 Chambéry Atelier Trace IC 2011
Traces NumériquesUne trace numérique d’interaction peut se définir comme une suite temporellement située d’observés, qui relève soit d’une interaction entre humains, médiatisée et médiée de diverses façon par ordinateur soit d’une suite d’actions et réactions entre un humain et une machine [Lund K. & Mille A., 2009].
Figure 2 Généralisation de systèmes traçants [Laflaquière J., 2009]
Nom du congrès Lieu - date 616/05/2011 Chambéry Atelier Trace IC 2011
Techniques de Web Usage Mining
User
Server(SQL or cache)
Collection
AnalysisProcessRead
Interpretation/Transformation
Process
PresentationProcess
Record
Visualisation
Généralisation de systèmes traçants
Nom du congrès Lieu - date 716/05/2011 Chambéry Atelier Trace IC 2011
Web Mining
1
Web Content Mining:
texte, image, records, etc.
3
Web Usage Mining
(Web log mining):
http logs, app server logs, etc.
2
Web Structure Mining:
hyperlinks, tags, etc.
Tableau 1.
Web Mining Categories [Raymond K. & Hendrik
B. , 2000]
Web MiningWeb Content Mining
Web Structre Mining
Web Usage Mining-Informatioin Retrieval (IR) View
-Database(DB) View
View of Data -Unstructured
-Semi-Structured
-Semi Structured
-Web Site as DB
-Links structure -Interactivity
Main Data -Text documents
-Hypertext documents
-Hypertext doc -Links structure -Server logs
-Brower logs
Representation -Bag of words, n-grams
-Terms, phrases
-Concepts or ontology
-Relational
-Edge-labeled graph (OEM)
-Relational
-Graph -Relational table
-Graph
Method -TFIDF and variants
-Machine Learning
-Statistcal (including NLP)
-Proprietary algorithms
-ILP
-Modified association rules
-Proprietary algorithms -Machine learning
-Statistical
-(Modified) association rules
Application
Categories
-Categorization
-Clustering
-Finding extraction rules
-Finding patterns in text
-User modeling
-Finding frequent sub-structures
-Web site schema discovery
- Categorization
-Clustering
-Site construction, adaptation, and management
-Marketing
-User modeling
-E-learning
Nom du congrès Lieu - date 816/05/2011 Chambéry Atelier Trace IC 2011
« Web usage mining is the application of data mining techniques to discover usage patterns from Web data, in order to understand and better serve the needs of Web-based applications » [Srivastava J. et al. 2000].
Web Usage Mining
Figure 3. High Level Web Usage Mining Process [Srivastava J. et al. 2000]
Nom du congrès Lieu - date 916/05/2011 Chambéry Atelier Trace IC 2011
Trois Niveaux de Trace Numérique
Filtre Individuel
Filtre de Groupe
Filtre d’Organisation
Organisation
U1
TN
EN1 EN2
EN3 ENn…
…
…
G1G2
G3…
U2 UnU3
Nom du congrès Lieu - date 1016/05/2011 Chambéry Atelier Trace IC 2011
Environnement E-MEMORAe
E-MEMORAe (MEMoire ORganisation Appliqué e à l’e-learning) est une plateforme de collaboration informatique qui facilite l’apprentissage organisationnel et la capitalisation des connaissances (Leblanc A. & Abel M.-H., 2010).
Nom du congrès Lieu - date 1116/05/2011 Chambéry Atelier Trace IC 2011
Empreintes NumériquesDans la plateforme E-EMEMORAe2.0, TNI constitue la trace de base et elle sera exploitée pour constituer les traces de groupe (niveaux supérieurs).
UsageDonnées qui décrivent le modèle d’usage de pages de Web, tel qu’adresses IP, références de la page et le temps d’accès etc.
ENi
Profil d’utilisateuri. Les données
d’enregistrement; ii. Les informations de profil
d’utilisateur;
Nom du congrès Lieu - date 1216/05/2011 Chambéry Atelier Trace IC 2011
Conclusion et PerspectiveConclusion
TNWeb Mining
Les trois niveaux de TNI
E-MEMORAe2.0
Perspective
Traitement de l’Information Multimédia
Semantic Web Mining
Fusion de TN
Personnalisation
Web Intelligence
Moteur de Recommandation
Nom du congrès Lieu - date 1316/05/2011 Chambéry Atelier Trace IC 2011
RéférencesLUND K. & MILLE A. (2009). Traces, traces d'interaction, traces d'apprentissages : définition, modèles informatiques, structurations, traitements et usage, Chapitre 1, Analyse de traces et personnalisation des Environnements Informatiques d'Apprentissage Humain, IC2 - Série Informatique et Systèmes d'Information, Hermes.LEBLANC A. & ABEL M.-H. (2009). Knowledge Sharing via the E-MEMORAe2.0 Platform. Proceedings of 6th International Conference on Intellectual Capital, Knowledge Management & Organisational Learning, Montreal Canada, pp. 10-19.LAFLAQUIÈRE J. (2009). Conception de système à base de traces numériques dans les environnements informatiques documentaires. Thèse.SRIVASTAVA J., COOLEY R., DESHPANDE M., et TAN P.-N. (2000). Web usage mining: Discovery and applications of usage patterns from web data. SIGKDD Explorations, 1(2).MARTY J.C & MILLE, A. (2009). Analyse de traces et personnalisation des environnements informatiques pour l'apprentissage humain. Hermes Scien ces Publications. RAYMOND K. & HENDRIK B. (2000), Web mining Research: A Survey, ACM Special Interest Group on Knowledge Discovery in Data, Volume 2 Issue 1, p1-15, June.RUSELLE S. & NORVIG P. (2010). Artificial Intelligence: A Modern Approach, 3/E. Prentice Hall.Etc..
Nom du congrès Lieu - date 1416/05/2011 Chambéry Atelier Trace IC 2011
Merci
李强