Filtrage de l’Information

1
Filtrage de lInformation

• Lynda AIT MEHEDINE, Abdejlil KHATTABI
• et Sanaa EL AOUMARI
• Jian-Yun Nie Cours IFT6255
• Université de Montréal

2
Plan de la présentation

• Introduction
• TREC et le filtrage dinformation
• Définition du filtrage dinformation
• Filtrage d'information et Recherche
  d'information 
• Comparaison entre recherche dinformation et
  filtrage dinformation
• Caractéristiques d'un système de filtrage
• Le filtrage par contenu
• Le filtrage par collaboration
• Les agents

3
Plan de la présentation - suite

• Evaluation des systèmes de filtrage dinformation
• Les métriques de la recherche dinformation 
• Précision et rappel 
• Métriques TREC pour le filtrage dinformation 
• Notion dutilité 
• Métrique orientée vers la précision 
• Concepts Avancés De Filtrage
• Quelques systèmes de filtrage
• Conclusion

4
Introduction

• Avec la très grande masse d'informations devenue
  disponible sur lInternet. Il est devenu
  primordial aujourd'hui de consacrer une partie
  considérable de notre temps à l'extraction de
  l'information pertinente
• Au lieu de laisser l'utilisateur dépenser son
  temps à chercher l'information dont il a besoin,
  la tendance actuelle est de concevoir des
  mécanismes qui permettent de lui faciliter la
  tâche en lui faisant parvenir continuellement
  l'information qui l'intéresse.
• Recherche et filtrage d'information visent à
  modéliser, concevoir et mettre en application des
  systèmes capables de traiter un flux
  d'informations au fur et à mesure de leur arrivée
  pour en sélectionner et de diffuser seulement
  les informations pertinentes

5
Introduction

• le filtrage de l'information est un nom donné à
  une variété de processus dont le but est de faire
  parvenir, à partir de larges volumes
  d'informations générées dynamiquement, les
  informations aux personnes qui en ont besoin.
• Les domaines d'application du filtrage de
  l'information sont assez variés, et d'une grande
  importance économique, parmi eux  mailing list,
  Usenet News, filtrage des e-mails, filtrage dans
  les webs.
• Les conférences TREC ont joué un rôle important
  dans le développement du domaine de la recherche
  dinformation automatisée.

6
TREC et le filtrage dinformation

• dans le domaine de la recherche dinformation les
  principes directeurs de ces conférences sont les
  suivants 
• Définir les principaux domaines et sous domaine
  de la Ri
• Fournir des données de références normalisées,
  dans le but de comparer les performances de
  système de RI, grâce a des métriques communes
• Faciliter léchange entre équipe participantes,
  issues aussi bien de l industrie que du domaine
  public(universités, entités gouvernementales,
  laboratoires etc..)

7
TREC et le filtrage dinformation

• Le premier atelier sur le filtrage de
  linformation haute performance(High Performance
  Information Filtering) a vu le jour en 1991 il a
  été sponsorise par Bellcore et le Sig sur les
  systèmes dinformation bureautique(office
  information System).
• au cours de cet atelier environ quarante
  publications examineront le domaine du filtrage a
  partir de plusieurs perspectives différentes 
• De la sélection de linformation
• A la modélisation de lutilisateur

8
TREC et le filtrage dinformation

• En passant par les domaines dapplications, les
  détails techniques et logiciels ainsi que des
  considérations sur la confidentialité et des
  études de cas.
• Le filtrage dinformation ne connut que des
  débuts très hésitants, ne se focalisant que sur
  un des aspects de lactivité Le filtrage a
  partir du contenu.
• Dautres types de filtrages ont été évoques au
  cours du développement du domaine, tel que le
  filtrage collaboratif, ou social, prenant en
  compte les avis des utilisateurs sur la qualité
  informative des documents consultes.

9
TREC et le filtrage dinformation

• Dans les premières édition de TREC, le filtrage
  dinformation n était considère que comme une
  recherche exploratoire.
• Le filtrage dinformation proprement dit n'est
  apparu qu'a la quatrième édition de TREC.Cette
  édition est loccasion de distinguer entre
  routage dinformation et filtrage dinformation.  

10
Définition du filtrage dinformation

• Le filtrage est un processus qui consiste à
  extraire les informations pertinentes et de
  qualité à partir dune imposante masse
  dinformations.

11
Définition du filtrage dinformation

• L'élément essentiel du filtrage est le modèle de
  l'utilisateur, qui permet de sélectionner quelles
  sont les informations à transmettre à
  l'utilisateur et de savoir comment le faire.
• Le filtrage de l'information se présente comme
  une aide à l'extraction de l'information
  pertinente concevoir des mécanismes destinés à
  faire parvenir à l'utilisateur l'information qui
  l'intéresse directement.

12
Définition du filtrage dinformation

• Cest aussi un processus visant à extraire au
  sein d'un important volume d'informations
  générées dynamiquement, les documents
  susceptibles de correspondre aux besoins et
  intérêts de l'utilisateur, après que celui-ci ait
  défini ses centres d'intérêt. Le filtrage intègre
  aussi les opérations d'exploitation et de
  présentation des résultats. Les informations,
  sont extraites de sources différentes et évoluent
  dans le temps.
• L'outil de filtrage permet ainsi de repérer et
  identifier exclusivement les documents relatifs
  aux centres d'intérêt indiqués par l'utilisateur.

13
Filtrage d'information et recherche
d'information 

• La distinction entre la recherche d'information
  et le filtrage d'information n'est souvent pas
  claire.
• Un système de recherche d'information a pour
  fonction de guider l'utilisateur à retrouver les
  documents qui lui permettent de répondre à ses
  besoins
• D'une part, l'utilisateur soumet une requête au
  système
• D'autre part, les sources d'informations sont une
  collection de textes représentés sous forme de
  bases de données et souvent indexés en un
  ensemble de mots clés
• Ces derniers sont comparés à la requête de
  l'utilisateur pour aboutir à un ensemble de
  documents répondant à sa requête.

14
Filtrage d'information et recherche d'information
15
Filtrage d'information et recherche d'information

• La 2éme figure schématise un modèle de filtrage
  d'information.
• Il débute avec des individus ou groupe
  d'individus qui ont des intérêts relativement
  stables à long terme  profils
• La source d'informations provient des producteurs
  de textes (exemple  journaux)
• Ces derniers doivent distribuer ces informations
  aux personnes intéressées
• Cette opération est réalisée en comparant les
  textes aux profils des différents individus.

16
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• En comparant les 2 figures, nous constatons une
  analogie entre les processus de filtrage et de
  recherche d'information.
• Les principales différences sont résumées comme
  suit 

17
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• La recherche d'information assure la collection
  et l'organisation des documents
• Le filtrage de l'information assure la
  distribution des documents aux personnes qui en
  ont besoin

18
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• Un système de recherche d'information établit
  une sélection de documents à partir d'une base de
  données statique
• Le filtrage est une sélection et/ou souvent une
  élimination d'information à partir d'une source
  d'information dynamique

19
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• Un système de recherche d'information est utilisé
  par une seule personne à un moment donné (une
  requête à la fois)
• Par contre un système de filtrage est un
  processus itératif (multiples parcours) pouvant
  être utilisé par une ou plusieurs personnes avec
  des intérêts à long terme

20
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• Le filtrage de l'information est généralement
  appliqué à des flux arrivants de nouvelles
  données
• Tandis que dans la recherche d'information les
  modifications dans la base de données ne sont pas
  fréquentes et la recherche n'est pas limitée aux
  nouveaux documents

21
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• La recherche d'information implique le processus
  de collecte (Finding) de l'information dans la
  base de données.
• Le filtrage de l'information entraîne le
  processus de déplacement (Removing) de
  l'information du flux de données

22
Comparaison entre les Processus de Recherche et
de Filtrage d'Information

• Contrairement aux requêtes, les profiles sont
  souvent des spécifications correctes des intérêts
  des utilisateurs
• Ceci vient du fait qu'ils représentent
  généralement des intérêts à long terme pendant
  que les requêtes dans la recherche d'information
  reflètent des intérêts à court terme pouvant être
  satisfaits par la recherche.

23
Tableau recapitulative
24
Caractéristiques d'un système de filtrage

• Les principales caractéristiques d'un système de
  filtrage sont les suivantes
• Il est destiné à des informations peu ou pas
  structurées contrairement aux bases de données
  qui utilisent des documents très structurés
• A noter que La notion de structure ne concerne
  pas seulement le format que doit avoir le
  document, mais aussi son contenu
• Il est aussi facile, par exemple de définir une
  base de donnée pour des documents complexes, tel
  que des articles de journaux, mais le contenu du
  texte, figures et tableaux de ce type de
  documents reste mal défini

25
Caractéristiques d'un système de filtrage

• Il diffuse en général des informations
  textuelles, mais peut également gérer d'autres
  types d'information tel que image ou son.
• A noter que ce genre d'information est très mal
  géré par les systèmes de recherche
  conventionnelle du fait de la complexité de la
  représentation de leur contenu.

26
Caractéristiques d'un système de filtrage

• Le filtrage concerne un flux d'information en
  provenance d'une ou plusieurs sources extérieures
  (ex news) ou adressé directement à l'utilisateur
  (ex. email)
• Le filtrage doit prendre en compte le profil de
  l'usager qui spécifie au système ses
  caractéristiques

27
Le filtrage par contenu

• La plus ancienne approche
• But établir une corrélation entre les
  ressources que les usagers consultent
• Fonctionnement le système analyse le contenu
  des ressources, puis effectue des recommandations
• Avantages
• Approprié pour du matériel textuel
• Facilite l'entrée dun nouvel item dans le système

28
Le filtrage par contenu

• Désavantages
• Difficulté d'extraire le contenu ou les
  attributs de certains formats de fichiers
• Peu apte à recommander des items dissemblables
• Aucun aspect collaboratif dans cette approche

29
Le filtrage par collaboration

• Approche plus récente
• But établir une corrélation entre les usagers
  (leurs profils)
• Postulat l'usager apprécie des items semblables
  à ceux que des usagers comparables apprécient
  aussi
• Approche subjective basée sur des jugements de
  valeur

30
Le filtrage par collaboration

• Individus intermédiaires entre les sources
  d'information
• Avantages
• Capacité de recommander des items dissemblables
• Utilisation pour des formats variés de ressources
• Capacité de représenter des concepts abstraits
  comme les goûts ou les intérêts

31
Le filtrage par collaboration

• Désavantages
• L'ajout de nouveaux items est problématique doit
  avoir été évalué avant d'être suggéré
• Nécessite un nombre suffisant d'évaluations et
  d'usagers
• Problème de dispersion des scores
• Difficulté à gérer les profils atypiques

32
Les agents

• Un agent est un système capable, dans une
  situation donnée, de prendre une décision et
  d'agir automatiquement sans intervention humaine.
• Actuellement, on essaie d'intégrer ces agents
  dans le domaine du filtrage et de la recherche
  d'information.
• Dans les prototypes existants, ces agents
  observent le comportement de l'usager et
  constituent ainsi une base de données sur
  l'usager à partir de laquelle ils pourront agir.

33
Les agents

• Pour la gestion d'informations structurées, le
  principe est le suivant
• A partir d'une équation de recherche
  préalablement établie par l'usager, l'agent
  sélectionne les documents qui sont susceptibles
  de répondre à sa requête, les présente à l'usager
  avec des commentaires et des suggestions, en les
  classant par ordre de pertinence. Dans un premier
  temps, il observe le comportement de l'usager
  afin d'ajuster son équation, puis il décide de
  lui adresser ou non tel où tel document.
• Cybion a annoncé en janvier 2001 la mise en ligne
  de son dernier site "AgentLand", le premier
  portail sur les agents intelligents.

34
Evolution du filtrage dinformation

• Avec la croissance dInternet et des autres
  réseaux dinformations, la recherche dans le
  domaine du filtrage automatique dinformation
  sest développée ces dernières années.
• USENET News et courrier électronique sont les
  domaines les plus populaires de la recherche.
• La croissance du World Wide Web a fait de lui un
  domaine intéressant qui a attiré la recherche
  scientifique
• Et ceci même si le problème de la collection de
  linformation semble le rendre un domaine plus
  difficile pour mener une recherche fondamentale
  sur des techniques de filtrage dinformation.

35
Evolution du filtrage dinformation

• Une des premières formes de filtrage de
  l'information électronique a été la DSI
  Diffusion Sélective de l'Information
• DSI consiste à envoyer à intervalle régulier
  correspondant en général aux mises à jour de la
  base de données, l'ensemble des références
  nouvelles répondant à une requête préalablement
  enregistrée
• Bien que largement utilisée, la DSI n'est pas
  sans défaut. Elle peut être difficile à
  implémenter telle quelle sur les systèmes de
  messagerie, et ceci étant donné le grand volume
  d'information qui circule dans l'Internet et la
  diversité des sources

36
Evolution du filtrage dinformation

• Toutes les recherches actuelles sont orientées
  vers des systèmes automatiques dits
  "intelligents".
• Pour des raisons pratiques, en particulier un
  minimum de structuration des documents, les
  premiers travaux concernaient surtout les News.
  Les recherches actuelles sont plutôt orientées
  vers les services WWW.
• Un autre domaine qui a attiré lintérêt de la
  recherche cest la conférence annuelle de
  récupération des textes TREC (Text Retreival
  Conference) dans lequel une collection standard
  des textes est utilisée et une méthodologie
  dévaluation soigneusement contrôlée est imposée.

37
Evolution du filtrage dinformation

• Dans TREC, la tâche de filtrage de linformation
  est notifiée en tant que cheminement  routing ,
  ajoutant une confusion de la terminologie dans ce
  domaine
• En effet, TREC a récemment adopté une voie de
  filtrage  feltering  qui suit une méthodologie
  dévaluation différente, mais reste conforme à la
  définition du filtrage.
• Les systèmes commerciaux qui filtrent des
  articles dInternet et dautres sources
  dinformations deviennent aussi disponibles. Des
  techniques de filtrages seront probablement
  appliquées dans dautres domaines tels que les
  images, son et vidéo

38
Evaluation des systèmes de filtrage dinformation

• Nous allons présenter les métriques utilisées en
  Ri et Fi dans le cadre de TREC pour lévaluation
  des systèmes
• Les métriques de Recherche dinformation
• Les métriques de filtrage dinformation 

39
Evaluation des systèmes de filtrage dinformation

• Les métriques de la recherche dinformation
• La majorité des métriques utilisée en RI,
• supposent la constitution dun ensemble de
• réponses de références, a comparer avec les
  réponses des systèmes évalues

40
Evaluation des systèmes de filtrage dinformation

• Les métriques Précision et Rappel se définissent
  comme suit 
• Précision documents pertinents retrouves/Nbre
  documents retrouvés.
• Rappel documents pertinents retrouves/Nbre
  documents pertinents
• dans la base
• Le taux de Rappel mesure la capacité des systèmes
  
• évalués a couvrir le problème, alors que le
  taux de
• précision mesure la qualité des réponses
  fournies

41
Evaluation des systèmes de filtrage dinformation

• Métriques TREC pour le filtrage dinformation 
• Les métriques TREC sinspirent des métriques que
  lon vient de présenter cest a dire celle des
  systèmes de recherche dinformation.
• Notion dutilité  (TREC-3) Cette notion
  introduite au cours de TREC marquera les vrais
  débuts du filtrage dinformation

42
Evaluation des systèmes de filtrage dinformation

• Pour toute expérience Ri, évaluer la capacité
  des systèmes de filtrage reviens a évaluer la
  formule suivante qui sert a trier un ensemble de
  documents en deux catégories A et B 
• UiUaiAiUbiBi.
• Ai nombre de documents pertinents trouvés par le
  système.
• Bi nombre de documents non pertinents.
• Les constantes Uai et Ubi correspondent a la
  valeur dutilité donnée par un utilisateur .

43
Evaluation des systèmes de filtrage dinformation

• TREC4 a fixé trois valeurs pour ces constantes,
  correspondants a trois scénarios différents 
• Un scénario ou on favorise la qualité des
  réponses(un poids maximal sur la précision).
• Un scénario dit équilibré ou les poids sur les
  documents de type A et B sont égaux.
• Un scénario ou cest la quantité de réponse qui
  est recherchée.

44
Evaluation des systèmes de filtrage
dinformation 

• Propriétés de cette métrique 
• La mesure dutilité nest pas normalisée. 
• La comparaison de lefficacité dun même
  système sur plusieurs requêtes différentes nest
  pas facile, seule la comparaison entre systèmes
  pour une même expérience est possible.

45
Evaluation des systèmes de filtrage dinformation

• Dautres métriques pour le filtrage
• d information ont vu le jour tel que 
• ASPPrécisionRappel.
• Les deux métriques utilité et ASP sont
• utilisées conjointement afin de fournir des
• indicateurs de performance pour chaque
• système.

46
Evaluation des systèmes de filtrage dinformation 

• Métrique orientée vers la précision 
• Ces métriques ont vu le jour au niveau de la 9eme
  édition de TREC.
• T9PNombre de documents pertinents
  sélectionnés/Max(Cible, Nombre de documents
  sélectionnes)

47
Evaluation des systèmes de filtrage dinformation 

• Avec une cible fixe a 50 pour TREC-9
• Le principe de cette mesure repose sur lidée de
  cible ou but a atteindre( cest a dire un
  effectif de 50)pour chaque système en terme de
  nombres de documents pertinents, une pénalité est
  attribuée dans les cas ou la cible nest pas
  atteinte.

48
Concepts Avancés De Filtrage

• La première étape dans la création d'un système
  de filtrage est de déterminer et représenter les
  intérêts d'un lecteur
• demander à l'utilisateur une liste de mots clés
  qu'il jugent intéressant.
• une pondération pour chaque mots qui détermine le
  niveau d 'intérêt associer avec les mots
• D'autres méthodes tentent d'observer les
  articles qu'un utilisateur décide de lire,
  d'analyser leur contenu.

49
Concepts Avancés De Filtration

• Toutes ses informations(mots clés et poids.)
  seront stockées dans un profile utilisateur.
• Des études ont montrées qu'on peut aboutir à de
  meilleurs résultats en combinant toute ses
  méthodes.

50
Quelques systèmes de filtrage

• POESIA est un projet de logiciel de filtrage
  libre
• Le marché principal de POESIA est composé des
  institutions d'enseignement, telles que les
  écoles et les bibliothèques. Chaque système
  POESIA fonctionne sur un PC Linux séparant le
  réseau de l'école de l'Internet mais mettant en
  commun les données de filtrage.
•  PRINCIP est un système multilingue pour détecter
  les documents racistes sur Internet.

51
Quelques systèmes de filtrage

• SCOFI est un système intelligent
  d'authentification par carte à puce
• Les cartes à puce contiendront les détails des
  élèves et lorsqu'elles seront introduites dans
  l'ordinateur, un code PIN sera demandé pour
  accéder à certains sites Web, le niveau d'accès
  étant spécifique à chaque utilisateur pour
  proceder au filtrage adequat.
• L'objectif est de produire un environnement sur
  Internet pour les enfants entre 8 et 14 ans.

52
Conclusion

• Difficile d'obtenir une image claire de la façon
  dont l'information que nous obtiendrons des
  médias du futur différera de l'information que
  nous obtenons des outils actuels.
• Noam. Chomsky
• il y a des genres particuliers d'information
  que l'on ne pourra jamais trouver.

53
Conclusion

• des systèmes plus complexes et plus réalisables
  seront développés bientôt.
• La question qui se posent combien de personnes
  feront confiance aux ordinateurs pour leur dire
  ce qu'ils veulent savoir vraiment et est ce que
  les systèmes de filtrages du futur vont
  satisfaire les besoins des utilisateurs plus que
  les systèmes qui existent actuellement ?

54
References

• www.slis.ualberta.ca/cais2000/favier.htm
• www.limsi.fr/Individu/gael/ManuscritThese/HTML/nod
  e54.html
• www.uhb.fr/urfist/filtrfonct.html
• www.unesco.org/webworld/public_domain/tunis97/com_
  08/com_08.html
• www.inria.fr/valorisation/rencontres/web-semantiqu
  e/panorama/filtrage.fr.html
• www.ee.umd.edu/medlab/filter/filter.html
• www.ils.unc.edu/losee/minim.html
• www.business.com/directory/internet_and_online/ema
  il/anti-spam/filtering/
• is.gseis.ucla.edu/impact/s94/students/paul/paul_fi
  nal.html
• www.adbs.fr/site/web3/sitespro/lardy/chap5.htm
• antonio.balvet1.free.fr/Manuscrit_V1.0.1-03-01-03.
  pdf
• www.ida.liu.se/labs/iislab/courses/IRIF/IRIF_intro
  duktion.htmlHDR4 solutions.journaldunet.com/00jan
  v/000119alaxis.shtml
• www.unesco.org/webworld/public_domain/tunis97/com_
  08/com_08.html
• www.uhb.fr/urfist/filtrfonct.html

55
Merci de votre attention !