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