Exploitation de données de contexte utilisateur
pour estimer la pertinence de social updates*
Pri
ncip
e
Evaluation de Précision
Adrien JolyUniversité de Lyon, LIRIS / Alcatel-Lucent Bell Labs France
Directeur de thèse: Pierre Maret, LaHC
Social updatesAgrégateur
Sniffeurs Notifieur
Filtre
Utilisateur
Actionset tags
Nuagescontextuels
Notifications
Contexte
But: augmenter l’efficacité d’usage
des réseaux sociaux
Interfaces
Hypothèse: la similarité contextuelle entre deux
personnes est un critère de pertinence pour le partage
d’informations
Enrichissementet pondération
Services
Pertinence1846 nuages contextuels générés à partir de tranches de navigation web de 10 minutes, pendant une
semaine
Pour chacun des 40 nuages contextuels le plus représentatifs, la pertinence de 3 social updates a
été notée
Précision moyenne: 72%(rapport entre notes estimées et données par
utilisateurs)
Pour chaque social update, son auteur a noté la
pertinence par rapport au contexte d’émission
Par type de social update:Pertinence des bookmarks:
71%Pertinence des tweets: 38% *
* ≈41% de «me, now» sur Twitter [Naaman 2010]
* Notifications et brèves publiées sur réseaux sociaux
Pertinence
Très faibleFaibleElevéeTrès élevée
Précision
Par questionMoyenne