Poster de présentation de ma thèse, pour l'école d'été Web Intelligence 2010 sur le "Web centré Utilisateur"

1. Exploitation de données de contexte utilisateur pour estimer la pertinence de social updates * Principe Evaluation de Précision Adrien Joly Université de Lyon, LIRIS / Alcatel-Lucent Bell Labs France Directeur de thèse: Pierre Maret, LaHC Social updates Agrégateur Sniffeurs Notifieur Filtre Utilisateur Actions et tags Nuages contextuels 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 Enrichissement et pondération Services Pertinence 1846 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 faible Faible Elevée Très élevée Précision Par question Moyenne