InforLorV4, PascalFrancis, Corpus, bibRecord, 000089

Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit

Identifieur interne : 000089 ( PascalFrancis/Corpus ); précédent : 000088; suivant : 000090

Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit

Auteurs : Geoffray Bonnin ; Armelle Brun ; Anne Boyer

Source :

Revue d'intelligence artificielle [ 0992-499X ] ; 2012.

RBID : Pascal:13-0093408

Descripteurs français

Pascal (Inist)
- Internet, Navigation information, Analyse donnée, Fouille donnée, Comportement utilisateur, Réseau web, Recommandation, Modélisation, Immunité bruit, Modèle Markov, ..

English descriptors

KwdEn :
- Data analysis, Data mining, Information browsing, Internet, Markov model, Modeling, Noise immunity, Recommendation, User behavior, World wide web.

Abstract

Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.

Notice en format standard (ISO 2709)

Pour connaître la documentation sur le format Inist Standard.

A01	`01`	`1`		`@0 0992-499X`
A03		`1`		`@0 Rev. intell. artif.`
A05				`@2 26`
A06				`@2 6`
A08	`01`	`1`	`FRE`	`@1 Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit`
A11	`01`	`1`		`@1 BONNIN (Geoffray)`
A11	`02`	`1`		`@1 BRUN (Armelle)`
A11	`03`	`1`		`@1 BOYER (Anne)`
A14	`01`			`@1 LORIA - Équipe KIWI Campus Scientifique - BP 239 @2 54506 Vandoeuvre-lès-Nancy @3 FRA @Z 1 aut. @Z 2 aut. @Z 3 aut.`
A20				`@1 609-642`
A21				`@1 2012`
A23	`01`			`@0 FRE`
A24	`01`			`@0 eng`
A43	`01`			`@1 INIST @2 21320 @5 354000506317880010`
A44				`@0 0000 @1 © 2013 INIST-CNRS. All rights reserved.`
A45				`@0 2 p.1/4`
A47	`01`	`1`		`@0 13-0093408`
A60				`@1 P`
A61				`@0 A`
A64	`01`	`1`		`@0 Revue d'intelligence artificielle`
A66	`01`			`@0 FRA`
A68	`01`	`1`	`ENG`	`@1 Using skipping for predictive web usage modeling. Towards a better robustness to noise`
C01	`01`		`ENG`	@0 Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.
C02	`01`	`X`		`@0 001D02B04`
C02	`02`	`X`		`@0 001D02B07B`
C03	`01`	`X`	`FRE`	`@0 Internet @5 06`
C03	`01`	`X`	`ENG`	`@0 Internet @5 06`
C03	`01`	`X`	`SPA`	`@0 Internet @5 06`
C03	`02`	`X`	`FRE`	`@0 Navigation information @5 07`
C03	`02`	`X`	`ENG`	`@0 Information browsing @5 07`
C03	`02`	`X`	`SPA`	`@0 Navegacíon informacíon @5 07`
C03	`03`	`X`	`FRE`	`@0 Analyse donnée @5 08`
C03	`03`	`X`	`ENG`	`@0 Data analysis @5 08`
C03	`03`	`X`	`SPA`	`@0 Análisis datos @5 08`
C03	`04`	`X`	`FRE`	`@0 Fouille donnée @5 09`
C03	`04`	`X`	`ENG`	`@0 Data mining @5 09`
C03	`04`	`X`	`SPA`	`@0 Busca dato @5 09`
C03	`05`	`X`	`FRE`	`@0 Comportement utilisateur @5 18`
C03	`05`	`X`	`ENG`	`@0 User behavior @5 18`
C03	`05`	`X`	`SPA`	`@0 Comportamiento usuario @5 18`
C03	`06`	`X`	`FRE`	`@0 Réseau web @5 19`
C03	`06`	`X`	`ENG`	`@0 World wide web @5 19`
C03	`06`	`X`	`SPA`	`@0 Red WWW @5 19`
C03	`07`	`X`	`FRE`	`@0 Recommandation @5 20`
C03	`07`	`X`	`ENG`	`@0 Recommendation @5 20`
C03	`07`	`X`	`SPA`	`@0 Recomendación @5 20`
C03	`08`	`X`	`FRE`	`@0 Modélisation @5 23`
C03	`08`	`X`	`ENG`	`@0 Modeling @5 23`
C03	`08`	`X`	`SPA`	`@0 Modelización @5 23`
C03	`09`	`X`	`FRE`	`@0 Immunité bruit @5 24`
C03	`09`	`X`	`ENG`	`@0 Noise immunity @5 24`
C03	`09`	`X`	`SPA`	`@0 Inmunidad ruido @5 24`
C03	`10`	`X`	`FRE`	`@0 Modèle Markov @5 25`
C03	`10`	`X`	`ENG`	`@0 Markov model @5 25`
C03	`10`	`X`	`SPA`	`@0 Modelo Markov @5 25`
C03	`11`	`X`	`FRE`	`@0 . @4 INC @5 82`
N21				`@1 063`
N44	`01`			`@1 OTO`
N82				`@1 OTO`

Format Inist (serveur)

NO :	PASCAL 13-0093408 INIST
FT :	Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit
ET :	(Using skipping for predictive web usage modeling. Towards a better robustness to noise)
AU :	BONNIN (Geoffray); BRUN (Armelle); BOYER (Anne)
AF :	LORIA - Équipe KIWI Campus Scientifique - BP 239/54506 Vandoeuvre-lès-Nancy/France (1 aut., 2 aut., 3 aut.)
DT :	Publication en série; Niveau analytique
SO :	Revue d'intelligence artificielle; ISSN 0992-499X; France; Da. 2012; Vol. 26; No. 6; Pp. 609-642; Abs. anglais; Bibl. 2 p.1/4
LA :	Français
EA :	Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.
CC :	001D02B04; 001D02B07B
FD :	Internet; Navigation information; Analyse donnée; Fouille donnée; Comportement utilisateur; Réseau web; Recommandation; Modélisation; Immunité bruit; Modèle Markov; .
ED :	Internet; Information browsing; Data analysis; Data mining; User behavior; World wide web; Recommendation; Modeling; Noise immunity; Markov model
SD :	Internet; Navegacíon informacíon; Análisis datos; Busca dato; Comportamiento usuario; Red WWW; Recomendación; Modelización; Inmunidad ruido; Modelo Markov
LO :	INIST-21320.354000506317880010
ID :	13-0093408

Links to Exploration step

Pascal:13-0093408

Le document en format XML

<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" level="a">Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit</title>
<author><name sortKey="Bonnin, Geoffray" sort="Bonnin, Geoffray" uniqKey="Bonnin G" first="Geoffray" last="Bonnin">Geoffray Bonnin</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Brun, Armelle" sort="Brun, Armelle" uniqKey="Brun A" first="Armelle" last="Brun">Armelle Brun</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Boyer, Anne" sort="Boyer, Anne" uniqKey="Boyer A" first="Anne" last="Boyer">Anne Boyer</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">INIST</idno>
<idno type="inist">13-0093408</idno>
<date when="2012">2012</date>
<idno type="stanalyst">PASCAL 13-0093408 INIST</idno>
<idno type="RBID">Pascal:13-0093408</idno>
<idno type="wicri:Area/PascalFrancis/Corpus">000089</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title xml:lang="fr" level="a">Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit</title>
<author><name sortKey="Bonnin, Geoffray" sort="Bonnin, Geoffray" uniqKey="Bonnin G" first="Geoffray" last="Bonnin">Geoffray Bonnin</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Brun, Armelle" sort="Brun, Armelle" uniqKey="Brun A" first="Armelle" last="Brun">Armelle Brun</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Boyer, Anne" sort="Boyer, Anne" uniqKey="Boyer A" first="Anne" last="Boyer">Anne Boyer</name>
<affiliation><inist:fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</analytic>
<series><title level="j" type="main">Revue d'intelligence artificielle</title>
<title level="j" type="abbreviated">Rev. intell. artif.</title>
<idno type="ISSN">0992-499X</idno>
<imprint><date when="2012">2012</date>
</imprint>
</series>
</biblStruct>
</sourceDesc>
<seriesStmt><title level="j" type="main">Revue d'intelligence artificielle</title>
<title level="j" type="abbreviated">Rev. intell. artif.</title>
<idno type="ISSN">0992-499X</idno>
</seriesStmt>
</fileDesc>
<profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>Data analysis</term>
<term>Data mining</term>
<term>Information browsing</term>
<term>Internet</term>
<term>Markov model</term>
<term>Modeling</term>
<term>Noise immunity</term>
<term>Recommendation</term>
<term>User behavior</term>
<term>World wide web</term>
</keywords>
<keywords scheme="Pascal" xml:lang="fr"><term>Internet</term>
<term>Navigation information</term>
<term>Analyse donnée</term>
<term>Fouille donnée</term>
<term>Comportement utilisateur</term>
<term>Réseau web</term>
<term>Recommandation</term>
<term>Modélisation</term>
<term>Immunité bruit</term>
<term>Modèle Markov</term>
<term>.</term>
</keywords>
</textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="en">Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.</div>
</front>
</TEI>
<inist><standard h6="B"><pA><fA01 i1="01" i2="1"><s0>0992-499X</s0>
</fA01>
<fA03 i2="1"><s0>Rev. intell. artif.</s0>
</fA03>
<fA05><s2>26</s2>
</fA05>
<fA06><s2>6</s2>
</fA06>
<fA08 i1="01" i2="1" l="FRE"><s1>Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit</s1>
</fA08>
<fA11 i1="01" i2="1"><s1>BONNIN (Geoffray)</s1>
</fA11>
<fA11 i1="02" i2="1"><s1>BRUN (Armelle)</s1>
</fA11>
<fA11 i1="03" i2="1"><s1>BOYER (Anne)</s1>
</fA11>
<fA14 i1="01"><s1>LORIA - Équipe KIWI Campus Scientifique - BP 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
</fA14>
<fA20><s1>609-642</s1>
</fA20>
<fA21><s1>2012</s1>
</fA21>
<fA23 i1="01"><s0>FRE</s0>
</fA23>
<fA24 i1="01"><s0>eng</s0>
</fA24>
<fA43 i1="01"><s1>INIST</s1>
<s2>21320</s2>
<s5>354000506317880010</s5>
</fA43>
<fA44><s0>0000</s0>
<s1>© 2013 INIST-CNRS. All rights reserved.</s1>
</fA44>
<fA45><s0>2 p.1/4</s0>
</fA45>
<fA47 i1="01" i2="1"><s0>13-0093408</s0>
</fA47>
<fA60><s1>P</s1>
</fA60>
<fA61><s0>A</s0>
</fA61>
<fA64 i1="01" i2="1"><s0>Revue d'intelligence artificielle</s0>
</fA64>
<fA66 i1="01"><s0>FRA</s0>
</fA66>
<fA68 i1="01" i2="1" l="ENG"><s1>Using skipping for predictive web usage modeling. Towards a better robustness to noise</s1>
</fA68>
<fC01 i1="01" l="ENG"><s0>Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.</s0>
</fC01>
<fC02 i1="01" i2="X"><s0>001D02B04</s0>
</fC02>
<fC02 i1="02" i2="X"><s0>001D02B07B</s0>
</fC02>
<fC03 i1="01" i2="X" l="FRE"><s0>Internet</s0>
<s5>06</s5>
</fC03>
<fC03 i1="01" i2="X" l="ENG"><s0>Internet</s0>
<s5>06</s5>
</fC03>
<fC03 i1="01" i2="X" l="SPA"><s0>Internet</s0>
<s5>06</s5>
</fC03>
<fC03 i1="02" i2="X" l="FRE"><s0>Navigation information</s0>
<s5>07</s5>
</fC03>
<fC03 i1="02" i2="X" l="ENG"><s0>Information browsing</s0>
<s5>07</s5>
</fC03>
<fC03 i1="02" i2="X" l="SPA"><s0>Navegacíon informacíon</s0>
<s5>07</s5>
</fC03>
<fC03 i1="03" i2="X" l="FRE"><s0>Analyse donnée</s0>
<s5>08</s5>
</fC03>
<fC03 i1="03" i2="X" l="ENG"><s0>Data analysis</s0>
<s5>08</s5>
</fC03>
<fC03 i1="03" i2="X" l="SPA"><s0>Análisis datos</s0>
<s5>08</s5>
</fC03>
<fC03 i1="04" i2="X" l="FRE"><s0>Fouille donnée</s0>
<s5>09</s5>
</fC03>
<fC03 i1="04" i2="X" l="ENG"><s0>Data mining</s0>
<s5>09</s5>
</fC03>
<fC03 i1="04" i2="X" l="SPA"><s0>Busca dato</s0>
<s5>09</s5>
</fC03>
<fC03 i1="05" i2="X" l="FRE"><s0>Comportement utilisateur</s0>
<s5>18</s5>
</fC03>
<fC03 i1="05" i2="X" l="ENG"><s0>User behavior</s0>
<s5>18</s5>
</fC03>
<fC03 i1="05" i2="X" l="SPA"><s0>Comportamiento usuario</s0>
<s5>18</s5>
</fC03>
<fC03 i1="06" i2="X" l="FRE"><s0>Réseau web</s0>
<s5>19</s5>
</fC03>
<fC03 i1="06" i2="X" l="ENG"><s0>World wide web</s0>
<s5>19</s5>
</fC03>
<fC03 i1="06" i2="X" l="SPA"><s0>Red WWW</s0>
<s5>19</s5>
</fC03>
<fC03 i1="07" i2="X" l="FRE"><s0>Recommandation</s0>
<s5>20</s5>
</fC03>
<fC03 i1="07" i2="X" l="ENG"><s0>Recommendation</s0>
<s5>20</s5>
</fC03>
<fC03 i1="07" i2="X" l="SPA"><s0>Recomendación</s0>
<s5>20</s5>
</fC03>
<fC03 i1="08" i2="X" l="FRE"><s0>Modélisation</s0>
<s5>23</s5>
</fC03>
<fC03 i1="08" i2="X" l="ENG"><s0>Modeling</s0>
<s5>23</s5>
</fC03>
<fC03 i1="08" i2="X" l="SPA"><s0>Modelización</s0>
<s5>23</s5>
</fC03>
<fC03 i1="09" i2="X" l="FRE"><s0>Immunité bruit</s0>
<s5>24</s5>
</fC03>
<fC03 i1="09" i2="X" l="ENG"><s0>Noise immunity</s0>
<s5>24</s5>
</fC03>
<fC03 i1="09" i2="X" l="SPA"><s0>Inmunidad ruido</s0>
<s5>24</s5>
</fC03>
<fC03 i1="10" i2="X" l="FRE"><s0>Modèle Markov</s0>
<s5>25</s5>
</fC03>
<fC03 i1="10" i2="X" l="ENG"><s0>Markov model</s0>
<s5>25</s5>
</fC03>
<fC03 i1="10" i2="X" l="SPA"><s0>Modelo Markov</s0>
<s5>25</s5>
</fC03>
<fC03 i1="11" i2="X" l="FRE"><s0>.</s0>
<s4>INC</s4>
<s5>82</s5>
</fC03>
<fN21><s1>063</s1>
</fN21>
<fN44 i1="01"><s1>OTO</s1>
</fN44>
<fN82><s1>OTO</s1>
</fN82>
</pA>
</standard>
<server><NO>PASCAL 13-0093408 INIST</NO>
<FT>Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit</FT>
<ET>(Using skipping for predictive web usage modeling. Towards a better robustness to noise)</ET>
<AU>BONNIN (Geoffray); BRUN (Armelle); BOYER (Anne)</AU>
<AF>LORIA - Équipe KIWI Campus Scientifique - BP 239/54506 Vandoeuvre-lès-Nancy/France (1 aut., 2 aut., 3 aut.)</AF>
<DT>Publication en série; Niveau analytique</DT>
<SO>Revue d'intelligence artificielle; ISSN 0992-499X; France; Da. 2012; Vol. 26; No. 6; Pp. 609-642; Abs. anglais; Bibl. 2 p.1/4</SO>
<LA>Français</LA>
<EA>Predictive web usage modeling has undergone an intense period of investigation until the late 90's. However, two features of web browsing have rarely been taken into account: the presence of noise and parallel browsing. In this paper, we propose a new model, the SBR model (Skipping-Based Recommender) which uses a technique called skipping, and is able to take into account these features. In a series of experimental studies, we put forward the various contributions that this model possesses and show that its quality surpasses that of the state-of-the-art.</EA>
<CC>001D02B04; 001D02B07B</CC>
<FD>Internet; Navigation information; Analyse donnée; Fouille donnée; Comportement utilisateur; Réseau web; Recommandation; Modélisation; Immunité bruit; Modèle Markov; .</FD>
<ED>Internet; Information browsing; Data analysis; Data mining; User behavior; World wide web; Recommendation; Modeling; Noise immunity; Markov model</ED>
<SD>Internet; Navegacíon informacíon; Análisis datos; Busca dato; Comportamiento usuario; Red WWW; Recomendación; Modelización; Inmunidad ruido; Modelo Markov</SD>
<LO>INIST-21320.354000506317880010</LO>
<ID>13-0093408</ID>
</server>
</inist>
</record>

Pour manipuler ce document sous Unix (Dilib)

EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/PascalFrancis/Corpus

HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000089 | SxmlIndent | more

HfdSelect -h $EXPLOR_AREA/Data/PascalFrancis/Corpus/biblio.hfd -nk 000089 | SxmlIndent | more

Pour mettre un lien sur cette page dans le réseau Wicri

{{Explor lien
   |wiki=    Wicri/Lorraine
   |area=    InforLorV4
   |flux=    PascalFrancis
   |étape=   Corpus
   |type=    RBID
   |clé=     Pascal:13-0093408
   |texte=   Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit
}}

This area was generated with Dilib version V0.6.33.
Data generation: Mon Jun 10 21:56:28 2019. Site generation: Fri Feb 25 15:29:27 2022

	Serveur d'exploration sur la recherche en informatique en Lorraine
	Attention, ce site est en cours de développement ! Attention, site généré par des moyens informatiques à partir de corpus bruts. Les informations ne sont donc pas validées.

Serveur d'exploration sur la recherche en informatique en Lorraine

Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit

Exploitation du skipping pour la modélisation prédictive des usages du web: Vers une meilleure prise en compte du bruit

Source :

Descripteurs français

English descriptors

Abstract

Notice en format standard (ISO 2709)

Format Inist (serveur)

Links to Exploration step

Le document en format XML

Pour manipuler ce document sous Unix (Dilib)

Pour mettre un lien sur cette page dans le réseau Wicri