Belief Detection and Temporal Analysis of Experts in Question Answering Communities: case study Stack Overflow

Résumé : L’émergence du Web 2.0 a changé la façon avec laquelle les gens recherchent et obtiennent des informations sur internet. Entre sites communautaires spécialisés, réseaux sociaux, l’utilisateur doit faire face à une grande quantité d’informations. Les sites communautaires de questions réponses représentent un moyen facile et rapide pour obtenir des réponses à n’importe quelle question qu’une personne se pose. Tout ce qu’il suffit de faire c’est de déposer une question sur un de ces sites et d’attendre qu’un autre utilisateur lui réponde. Dans ces sites communautaires, nous voulons identifier les personnes très compétentes. Ce sont des utilisateurs importants qui partagent leurs connaissances avec les autres membres de leurs communauté. Ainsi la détection des experts est devenue une tache très importantes, car elle permet de garantir la qualité des réponses postées sur les différents sites. Dans cette thèse, nous proposons une mesure générale d’expertise fondée sur la théorie des fonctions de croyances. Cette théorie nous permet de gérer l’incertitude présente dans toutes les données émanant du monde réel. D’abord et afin d’identifier ces experts parmi la foule d’utilisateurs présents dans la communauté, nous nous sommes intéressés à identifier des attributs qui permettent de décrire le comportement de chaque individus. Nous avons ensuite développé un modèle statistique fondé sur la théorie des fonctions de croyance pour estimer l’expertise générale des usagers de la plateforme. Cette mesure nous a permis de classifier les différents utilisateurs et de détecter les plus experts d’entre eux. Par la suite, nous proposons une analyse temporelle pour étudier l’évolution temporelle des utilisateurs pendant plusieurs mois. Pour cette partie, nous décrirons comment les différents usagers peuvent évoluer au cours de leur activité dans la plateforme. En outre, nous nous sommes également intéressés à la détection des experts potentiels pendant les premiers mois de leurs inscriptions dans un site. L’efficacité de ces approches a été validée par des données réelles provenant de Stack Overflow.
Type de document :
Thèse
Computer Science [cs]. Université de Rennes 1, 2017. English
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/tel-01743002
Contributeur : Dorra Attiaoui <>
Soumis le : lundi 2 avril 2018 - 12:50:30
Dernière modification le : mercredi 16 mai 2018 - 11:24:14

Fichier

Rapport VF.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01743002, version 1

Citation

Dorra Attiaoui. Belief Detection and Temporal Analysis of Experts in Question Answering Communities: case study Stack Overflow. Computer Science [cs]. Université de Rennes 1, 2017. English. 〈tel-01743002〉

Partager

Métriques

Consultations de la notice

151

Téléchargements de fichiers

69