Une recherche scientifique ne peut avoir cette qualité de « scientifique » qu’après avoir répondu à un ensemble de critères. Parmi ces critères, la pertinence occupe une place primordiale, elle constitue la moelle épinière de toute recherche académique. En effet, c’est le degré de la pertinence qui donne beaucoup de crédibilité à un tel document. Par elle ce dernier aura beaucoup de chance d’être publiée et d’être tenue comme référence scientifique de recherche.
La pertinence peut être définie de plusieurs façons selon le champ scientifique dont on parle. Dans le domaine de la recherche documentaire, (Sylvie, 2002) estime qu’il s’agit du « degré de corrélation entre une question et la réponse apportée ». Autrement dit, il s’agit du point de rencontre entre deux notions transversales de recherche de l’information à savoir : « le bruit documentaire » et « le silence documentaire ». On parle du silence documentaire lorsqu’une requête de recherche dans une base de données ou dans un index ne retourne aucun ou peu de résultats voulus. Le bruit documentaire, à l’inverse, présente toutes les ressources trouvées qui ne sont pas pertinentes. Le silence documentaire est dû soit à une formulation erronée de la requête de recherche, soit à une base de données mal adaptée. Par cette définition, le chercheur est appelé à « calculer » et à « évaluer » l’écart entre la question qu’il a posée et la réponse qu’il a obtenue. Cet écart, par la mobilisation des actions théoriques et pratiques du chercheur, doit être minimisé au plus possible afin que la réponse soit exactement celle de la question. La tendance de cet écart vers le minimum se manifeste par l’élimination de toute sorte de « bruit et de silence documentaire » (Serres & Le Deuff, 2007).
Selon (Sylvie, 2002), la pertinence est de trois types à distinguer : la « pertinence-système », la « pertinence-utilisateur » et la « pertinence-thème ».
La pertinence-système se réfère à la capacité d’indexation faite par un système informatisé, généralement un moteur de recherche, pour trouver le document adéquat et convenable au maximum, en réponse à une requête.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
This course introduces the key concepts and algorithms from the areas of information retrieval, data mining and knowledge bases, which constitute the foundations of today's Web-based distributed infor
Internet analytics is the collection, modeling, and analysis of user data in large-scale online services, such as social networking, e-commerce, search, and advertisement. This class explores a number
The objective of this course is to present the main models, formalisms and algorithms necessary for the development of applications in the field of natural language information processing. The concept
A search engine is a software system that finds web pages that match a web search. They search the World Wide Web in a systematic way for particular information specified in a textual web search query. The search results are generally presented in a line of results, often referred to as search engine results pages (SERPs). The information may be a mix of hyperlinks to web pages, images, videos, infographics, articles, and other types of files. Some search engines also mine data available in databases or open directories.
La recherche d'information (RI) est le domaine qui étudie la manière de retrouver des informations dans un corpus. Celui-ci est composé de documents d'une ou plusieurs bases de données, qui sont décrits par un contenu ou les métadonnées associées. Les bases de données peuvent être relationnelles ou non structurées, telles celles mises en réseau par des liens hypertexte comme dans le World Wide Web, l'internet et les intranets. Le contenu des documents peut être du texte, des sons, des images ou des données.
Une recherche scientifique ne peut avoir cette qualité de « scientifique » qu’après avoir répondu à un ensemble de critères. Parmi ces critères, la pertinence occupe une place primordiale, elle constitue la moelle épinière de toute recherche académique. En effet, c’est le degré de la pertinence qui donne beaucoup de crédibilité à un tel document. Par elle ce dernier aura beaucoup de chance d’être publiée et d’être tenue comme référence scientifique de recherche.
In this paper, we address the problem of scientific-social network integration to find a matching relationship between members of these networks (i.e. The DBLP publication network and the Twitter soci