Diapositive 1

1Traces d'Interaction au sein d'un Environnement de CollaborationQiang LIAtelier Trace IC 2011 16/05/2011 Chambry

Nom du congrsLieu - date1Plan216/05/2011 Chambry Atelier Trace IC 2011 Trace & Trace numrique (TN) Web Mining Web Usage Mining Trois Niveaux de Trace Numrique Environnement: E-MEMORAe 2.0 Conclusion et Perspective

Nom du congrsLieu - date2

316/05/2011 Chambry Atelier Trace IC 2011

Nom du congrsLieu - date3416/05/2011 Chambry Atelier Trace IC 2011 TraceEtymologieLatin:tractiare--Laction de tirer.

Une suite dempreintes laisse par le passage dun homme ou dun animal lexemple suivre une petite quantit, rsiduelle, subsistanteDes sicles 1120 1190153018471989La marque laisse par ce qui agit sur quelque chose1250 limpression quil reste quelque chose ou ce qui reste du pass paradigme indiciaire

Nom du congrsLieu - date4516/05/2011 Chambry Atelier Trace IC 2011 Traces NumriquesUne trace numrique dinteraction peut se dfinir comme une suite temporellement situe dobservs, qui relve soit dune interaction entre humains, mdiatise et mdie de diverses faon par ordinateur soit dune suite dactions et ractions entre un humain et une machine [Lund K. & Mille A., 2009].

Figure 2 Gnralisation de systmes traants [Laflaquire J., 2009]

Nom du congrsLieu - date5616/05/2011 Chambry Atelier Trace IC 2011 Techniques de Web Usage Mining

UserServer(SQL or cache)

CollectionAnalysisProcess

ReadInterpretation/Transformation Process

PresentationProcessRecordVisualisationGnralisation de systmes traants

Nom du congrsLieu - date6716/05/2011 Chambry Atelier Trace IC 2011 Web Mining1Web Content Mining:texte, image, records, etc.3Web Usage Mining(Web log mining):http logs, app server logs, etc.2Web Structure Mining:hyperlinks, tags, etc.Tableau 1.Web Mining Categories [Raymond K. & Hendrik B. , 2000] Web MiningWeb Content MiningWeb Structre MiningWeb Usage Mining-Informatioin Retrieval (IR) View-Database(DB) ViewView of Data-Unstructured-Semi-Structured-Semi Structured-Web Site as DB-Links structure-InteractivityMain Data-Text documents-Hypertext documents-Hypertext doc-Links structure-Server logs-Brower logsRepresentation-Bag of words, n-grams-Terms, phrases-Concepts or ontology-Relational-Edge-labeled graph (OEM)-Relational-Graph-Relational table-GraphMethod-TFIDF and variants-Machine Learning-Statistcal (including NLP)-Proprietary algorithms-ILP-Modified association rules-Proprietary algorithms-Machine learning-Statistical-(Modified) association rulesApplicationCategories-Categorization-Clustering-Finding extraction rules-Finding patterns in text-User modeling-Finding frequent sub-structures-Web site schema discovery- Categorization-Clustering-Site construction, adaptation, and management-Marketing-User modeling-E-learning

Nom du congrsLieu - date7816/05/2011 Chambry Atelier Trace IC 2011 Web usage mining is the application of data mining techniques to discover usage patterns from Web data, in order to understand and better serve the needs of Web-based applications [Srivastava J. et al. 2000]. Web Usage Mining

Figure 3. High Level Web Usage Mining Process [Srivastava J. et al. 2000]

Nom du congrsLieu - date8916/05/2011 Chambry Atelier Trace IC 2011 Trois Niveaux de Trace NumriqueFiltre IndividuelFiltre de GroupeFiltre dOrganisationOrganisationU1

TNEN1

EN2

EN3

ENn

G1G2G3U2

Un

U3

Nom du congrsLieu - date91016/05/2011 Chambry Atelier Trace IC 2011 Environnement E-MEMORAe

E-MEMORAe (MEMoire ORganisation Appliqu e le-learning) est une plateforme de collaboration informatique qui facilite lapprentissage organisationnel et la capitalisation des connaissances (Leblanc A. & Abel M.-H., 2010).

Nom du congrsLieu - date101116/05/2011 Chambry Atelier Trace IC 2011 Empreintes NumriquesDans la plateforme E-EMEMORAe2.0, TNI constitue la trace de base et elle sera exploite pour constituer les traces de groupe (niveaux suprieurs).UsageDonnes qui dcrivent le modle dusage de pages de Web, tel quadresses IP, rfrences de la page et le temps daccs etc. ENiProfil dutilisateurLes donnes denregistrement; Les informations de profil dutilisateur;

Nom du congrsLieu - date111216/05/2011 Chambry Atelier Trace IC 2011 Conclusion et PerspectiveConclusionTNWeb MiningLes trois niveaux de TNIE-MEMORAe2.0PerspectiveTraitement de lInformation Multimdia Semantic Web Mining Fusion de TNPersonnalisationWeb IntelligenceMoteur de Recommandation

Nom du congrsLieu - date121316/05/2011 Chambry Atelier Trace IC 2011 RfrencesLund K. & Mille A. (2009). Traces, traces d'interaction, traces d'apprentissages : dfinition, modles informatiques, structurations, traitements et usage, Chapitre 1, Analyse de traces et personnalisation des Environnements Informatiques d'Apprentissage Humain, IC2 - Srie Informatique et Systmes d'Information, Hermes.Leblanc A. & Abel M.-H. (2009). Knowledge Sharing via the E-MEMORAe2.0 Platform. Proceedings of 6th International Conference on Intellectual Capital, Knowledge Management & Organisational Learning, Montreal Canada, pp. 10-19.Laflaquire J. (2009). Conception de systme base de traces numriques dans les environnements informatiques documentaires. Thse.Srivastava J., Cooley R., Deshpande M., et Tan P.-N. (2000). Web usage mining: Discovery and applications of usage patterns from web data. SIGKDD Explorations, 1(2).Marty J.C & Mille, A. (2009). Analyse de traces et personnalisation des environnements informatiques pour l'apprentissage humain. Hermes Sciences Publications. Raymond K. & Hendrik B. (2000), Web mining Research: A Survey, ACM Special Interest Group on Knowledge Discovery in Data, Volume 2 Issue 1, p1-15, June.Ruselle S. & Norvig P. (2010). Artificial Intelligence: A Modern Approach, 3/E. Prentice Hall.Etc..

Nom du congrsLieu - date131416/05/2011 Chambry Atelier Trace IC 2011 Merci

Nom du congrsLieu - date14