SYSTEME COLLABORATIF POUR LA RECOMMANDATION DES PAPIERS DE RECHERCHE

Abstract

Le volume d'articles de recherche dans les référentiels numériques augmente. Cette croissance significative des référentiels fait qu'il est assez difficile pour les chercheurs d'obtenir des articles de recherche connexes en réponse à leurs requêtes. Le problème s'aggrave lorsqu'un chercheur ayant une connaissance insuffisante de la recherche d'articles scientifiques utilise ces référentiels. Plusieurs approches ont été proposées pour aider les chercheurs à acquérir des articles pertinents et utiles à partir de l'énorme quantité d'informations disponibles sur Internet. Dans ce mémoire nous présentons une solution alternative au problème de recommandation des papiers de recherche. L’approche proposée est une approche collaborative exploitant un réseau de citations qui relie directement le papier d’intérêt avec ses citations et ses références et considère des relations indirectes illustrant les co-citations du papier cible. La recommandation des N meilleurs papiers se fait suite à un calcul des poids de similarité qui se base sur l’évaluation des fréquences de citations. Un prototype réalisant cette approche est implémenté et expérimenté avec des données réelles, nous a permis de constater que les résultats sont acceptables et l’approche est prometteuse. The volume of research articles in digital repositories is increasing. This significant growth in repositories makes it quite difficult for researchers to obtain related research articles in response to their queries.The problem becomes worse when a researcher with insufficient knowledge of researching scientific articles uses these repositories. Several approaches have been proposed to help researchers acquire relevant and useful articles from the enormous amount of information available on the Internet. In this thesis we present an alternative solution to the problem of recommending research papers. The proposed approach is a collaborative approach exploiting a network of citations that directly links the paper of interest with its citations and references and considers indirect relationships illustrating the co-citations of the target paper. The recommendation of the N Top papers is made following a calculation of the similarity weights which is based on the evaluation of the citation frequencies. A prototype realizing this approach is implemented and tested with real data, has allowed us to see that the results are acceptable and the approach is promising. يزداد حجم مقالات البحث في المستودعات الرقمية. هذا النمو الكبير في المستودعات يجعل من الصعب جدًا على الباحثين الحصول على مقالات بحث ذات صلة استجابةً لاستفساراتهم. وتزداد المشكلة سوءًا عندما يستخدم باحث ذو معرفة محدودة في البحث عن المقالات العلمية هذه المستودعات. تم اقتراح عدة طرق لمساعدة الباحثين على الحصول على مقالات مفيدة ومرتبطة من الكم الهائل من المعلومات المتاحة على الإنترنت. في هذه الرسالة نقدم حلاً بديلاً لمشكلة التوصية بالأوراق البحثية. النهج المقترح هو نهج تعاوني يستفيد من شبكة الاستشهادات التي تربط مباشرة الورقة البحثية المهمة باستشهاداتها ومراجعها ويأخذ في الاعتبار العلاقات غير المباشرة التي توضح الاقتباسات المشتركة للورقة المستهدفة. يتم تقديم توصية لأفضل N أوراق بعد حساب أوزان التشابه التي تستند إلى تقييم الاستشهادات.