Moteur de recherche personnalisé et décentralisé
Institution:
Paris 11Disciplines:
Directors:
Abstract EN:
In this thesis, we will describe the search engine maay that we have conceived. The motivation is to propose an alternative to web search engines (google, yahoo!, etc. ) whose lack of transparency makes less credible (skewed results, censorship, privacy, etc. ). In the system, we propose to use the users, more particularly, their actions in the system, to personalize results. In maay, publications, indexations and searches are decentralized on user's computers. Each computer (peer) learns semantic profiles of other peers and of documents from observations of search and download messages. By preferentially querying peers with similar semantic profiles, and by ranking documents according to the requester profile, users may find documents which are relevant for them. That is what we show through simulations. To do so, we propose a user and document model, and several measures to evaluate the efficiency of a search system to provide personalized answers to its users. The results that we have obtained show that maay succeeds in adapting to its users by providing them personalized answers. Finally, we have implemented a prototype of maay to test its feasibility and the functionalities that will be implemented in the final version of our system.
Abstract FR:
Nous décrirons dans cette thèse le moteur de recherche personnalisé et décentralisé maay que nous avons conÇu. La motivation étant de proposer une alternative aux moteurs de recherche de la toile (google, yahoo!, etc. ) que le manque de transparence risque de rendre de moins en moins crédibles (biais des résultats, censure, confidentialité, etc. ). Nous proposons dans maay d'utiliser les utilisateurs, plus particulièrement leurs actions dans le système, pour personnaliser les résultats. Dans maay, la publication, l'indexation et la recherche de données sont décentralisées sur les machines des utilisateurs. Chaque machine (pair) apprend les profils sémantiques des autres pairs et des documents à partir de l'observation de messages de recherche et de téléchargements. En interrogeant préférentiellement les pairs ayant des profils sémantiques similaires, et en classant les documents en fonction du profil du demandeur, les utilisateurs devraient trouver des documents qui leur soient pertinents. C'est ce que nous avons montré au travers de simulations. Pour ces simulations, nous avons proposé un modèle des utilisateurs et des documents ainsi qu'un ensemble de mesures pour évaluer l'efficacité d'un système de recherche à retourner des réponses personnalisées à ses utilisateurs. Les résultats obtenus par simulation montrent que maay arrive à s'adapter aux utilisateurs en leur fournissant des réponses qui leur sont personnalisées. Enfin, nous avons développé un prototype de maay afin de tester sa faisabilité et les différentes fonctionnalités qui seront implémentées dans la version finale du système.