Optimisation d'un réseau social d'échange d'information par recommendation de mise en relation
Institution:
ChambéryDisciplines:
Directors:
Abstract EN:
Today, the World Wide Web is getting essential while surfing for information. Surfers have different information needs. Thanks to results from social network analysis and many other experiences observed from existing recommender systems, we have concluded that a tendency is to prefer information having certain approval : "asking to a friend" means to point out the person having a good level of knowledge about the information needed. As others before us, we have also verified that in many information exchange systems (as mailing groups) only few people produce actively information but a lot of them take it. Can we really modify this strong tendency? Try to answer to this question is the principal objective of our work. To do it in a positive way, we have imagined a way to influence user's motivation to exchange information. For that, we use regulation mechanisms that are intended to promote a dynamic information exchange, to allow users to control their personal information (thanks to bookmarks) and to exhibit a social awareness. This is why we have proposed some recommender algorithms. They exploit the network topology formed of relations between persons exchanging information and the information that they handle. Our approach is then supported by a collaborative web system named SoMeONe (Social Media using Opinions through a trust Network). We think that the most important contribution is our idea of recommending contacts instead of information. For that, we want to validate the efficiency of information flow in the social exchange network. We have then proposed some postulates, principles and hypothesis to validate our approach. The hypothesis take in count the users' objectives (information needed) , and for that some quality criterias have been developed in order to also validate the system's objectives (optimize the social network structure). To raise those objectives we have introduced some social indicators (which are our algorithms) that we named SocialRank
Abstract FR:
Nous avons observé que sur le Web les internautes ont des besoins changeants d'information. Grâce aux théories des analyses sociales et grâce aux expériences de systèmes de recommandation existants, nous savons que la plupart du temps, ces besoins informationnels sont généralement satisfaits par le fait de " demander à un copain ", c'est à dire, à une connaissance ou à un référent sur le sujet d'intérêt. Par ailleurs, nous avons fait le constat, comme d'autres avant nous, que dans des systèmes d'échanges d'information (e. X. Les groupes d'intérêt), seule une minorité de producteurs d'information est très active, alors qu'une majorité de consommateurs est silencieuse. Pouvons-nous vraiment modifier cette forte tendance? Tenter de répondre à cette question a été au cœur de notre recherche. Pour arriver à répondre positivement, nous avons imaginé la possibilité d'influencer la motivation des personnes à échanger des informations en construisant des mécanismes de régulation dédiés qui intègrent une dynamique d'échanges d'information, de gestion d'information personnelle (favoris) et de conscience sociale. Nous avons donc proposé et mis en œuvre des algorithmes de recommandation utilisant la structure de la topologie du réseau de relation de personnes formée selon leurs échanges et selon les informations qu'elles gèrent. Nous avons développé notre système SoMeONe sous forme d'un service Web. L'apport le plus important de notre approche est, semble t'il, notre idée de recommander des contacts plutôt que de l'information. Pour cela nous nous sommes fortement intéressés à valider l'efficacité de flux d'information dans le réseau social proposé à travers la construction de mesures de qualité de la topologie du réseau. Nous avons donc établi une série de postulats, de principes et d'hypothèses à valider dans notre cadre théorique. Nos hypothèses tiennent compte des objectifs des utilisateurs (obtenir de l'information) et pour cela nous avons intégré des critères de qualité à optimiser pour tenir compte également des objectifs du système (optimiser la structure d'un réseau social). Le moyen pour les atteindre a été d'utiliser des indicateurs sociaux. Ils constituent nos algorithmes que nous nommons SocialRank