Research

  • Research Topics
    • Information Retrieval (IR) in Context.
      • User context
      • Adaptation, Personalization and User Profile
      • Semi-structured information retrieval (XML Retrieval)
    • Decisional Information Systems.
      • Data Warehousing and OLAP (On-Line Analytical Processing)
      • Multidimensional Data Bases
      • Acquisition of semantic knowledge
    • Data Mining.
      • Data mining in social networks
      • Data Mining Applied to Web
      • Topic Clustering for Microblogs and Community Extraction

  • My Thesis Abstract
    Access to relevant information adapted to the needs and the context of the user is a real challenge in Web Search, owing to the increase of heterogeneous resources available on the web. Information needs are expressed via queries. Most often, these queries are short, ambiguous and don’t grasp the neither the intention nor the implicit need of the user. For improving user query processing, we present a context-based hybrid method for query expansion that automatically generates reformulated queries in order to guide the information retrieval system to provide context-based personalized results depending on the user profile and his/her context. We present an experimental study in order to quantify the improvement provided by our system compared to the direct querying of a search engine without reformulation, or compared to the personalized reformulation based on a user profile only. The preliminary results have proved the relevance of our approach in certain contexts.

  • My Thesis Defense
    I defended my PhD on September, 19th 2011, at Supélec.
    The jury was be composed of:
    • Mohand Boughanem, Professor, university of Paul Sabatier.
    • Gilles Falquet, Professor, university of geneva.
    • Anne Vilnat, Professor, university of Paris 11.
    • Yolaine Bourda, Professor, Supélec.
    • Jean-Paul Sansonnet, CNRS research director, LIMSI.
    • Bich-Lien Doan, Assistant Professor, Supélec.

  • Scientific Animation

  • Research Supervision
    • Masters’ Theses 2011-2012 (5)
      • Isabelle Co: Student in M1 computer science, "Plateforme de paiement européen"
      • Yannis Ouldali: Student in M1 computer science, "Analyse de l’existant quant à la gestion de courrier à la collectivité de BRON"
      • Victor Poulin: Student in M1 computer science, "Développement d’un affichage de production avec architecture Client/serveur"
      • Ndèye Ramatoulaye Ba: Student in M1 computer science, "Le CRM au cœur de la stratégie marketing et commercial"
      • Jamal-Eddine Bouaziz: Student in M1 computer science, "Analyses Statistiques Pour Stratégie De Rémunération Et Automatisation Des Outils Internes "
    • Resarch Project 2011-2012 (1)
      • "Identification Automatique d'un Segment Manuscrit": Ferhat Bouchefra and Amal Mathlouthi: Students in M1 computer science.

  • Résumé de la thèse
    • "Personnalisation et Adaptation de L'accès à L'information Contextuelle en utilisant un Assistant Intelligent"
    • L'accès à une information pertinente, adaptée aux besoins et au contexte de l'utilisateur est un challenge dans un environnement Internet, caractérisé par une prolifération de ressources hétérogènes. Les travaux présentés dans cette thèse rentrent dans le cadre de la Recherche d'Information (RI) et s'intéressent à la prise en compte du contexte de l'utilisateur pendant la phase de requête.
      Nous proposons un assistant d’aide à la reformulation de requêtes reposant sur l’utilisation d’une méthode hybride d'expansion de requêtes afin de fournir des résultats personnalisés en fonction du contexte. Cet assistant utilise le profil de l’utilisateur, qui contient les centres d’intérêts et les préférences des utilisateurs, et utilise également le contexte de l’utilisateur qui considère l'état actuel de la tâche courante de l'utilisateur pendant le processus de recherche.
      Une implémentation de cette approche est réalisée, suivie d’une étude expérimentale. Nous proposons également une procédure d'évaluation qui tient compte l'évaluation des termes d'expansion, générés par notre système de reformulation de requêtes, et de l'évaluation des résultats retournés en utilisant les requêtes reformulées SRQ. Nous montrons sur plusieurs scénarios que notre approche, en particulier celle qui prend en compte la tâche actuelle de l'utilisateur est effectivement plus performante que les approches reposant soit uniquement sur la requête initiale, ou encore sur la requête reformulée en considérant uniquement le profil de l'utilisateur.