Modeling User-Machine Interactions During The Information Retrieval Process - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Modeling User-Machine Interactions During The Information Retrieval Process

Modélisation des interactions utilisateur-machine au cours d'un processus de recherche

Résumé

While today’s search engines work well for simple queries, there are situations where search results are not satisfactory. To cope with such situations, user-machine interactions have increased significantly since the early days of retrieval systems. The exchanges between users and retrieval systems during search sessions may contain information that is critical to the success of the information search. Meanwhile, the Transformer-based architectures relying on the attention mechanism have led to great improvements in several NLP tasks, such as summarization or translation. The architecture was soon applied to other domains, including information retrieval. Several retrieval models have benefited from this architecture’s ability to focus on document and query terms to estimate their relationships. However, the majority of these works have focused on ad hoc retrieval. The goal of this thesis is to study user modeling and user-machine interactions with transformer-based models. The contributions of this thesis can be divided into two parts, those related to user modeling and those related to interactive systems. In the former, I analyze existing user models, and in particular the text generation process of transformer-based models for query suggestions (Mustar, Lamprier, and Piwowarski, 2020; Mustar, Lamprier, and Piwowarski, 2021). In the latter, I present a new user/machine interaction framework based on the studied user models (Mustar, Lamprier, and Piwowarski, 2022).
Bien que les moteurs de recherche actuels fonctionnent convenablement pour des besoins d’information élémentaires avec des requêtes simples, il existe des situations pour lesquelles les résultats de recherche qu’ils retournent ne sont pas satisfaisants. Pour remédier à cela, au cours de l’histoire des systèmes de recherche, les interactions entre utilisateurs et machines ont évolué de manière significative. En effet, les données échangées entre les utilisateurs et les systèmes de recherche peuvent contenir des informations cruciales au succès de la recherche d’information. D’autre part, l’architecture Transformer basée sur le mécanisme d’attention a permis des améliorations considérables pour plusieurs tâches de langage naturel, comme le résumé ou la traduction. Elle a rapidement été utilisée dans d’autres domaines, dont la recherche d’information (RI). Plusieurs modèles de RI ont bénéficié de la capacité de cette dernière à analyser les relations entre les termes du document et ceux des requêtes. Cependant, la majorité de ces travaux se sont concentrés sur la recherche ad hoc. L’objectif de cette thèse est d’étudier la modélisation de l’utilisateur et les interactions utilisateur-machine avec des modèles Transformers. Les contributions de cette thèse peuvent être divisées en deux parties, celles liées à la modélisation de l’utilisateur et celles liées aux systèmes interactifs.
Fichier principal
Vignette du fichier
MUSTAR_Agnes_these_2023v2.pdf (8.73 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04163288 , version 1 (17-07-2023)

Identifiants

  • HAL Id : tel-04163288 , version 1

Citer

Agnès Mustar. Modeling User-Machine Interactions During The Information Retrieval Process. Information Retrieval [cs.IR]. Sorbonne Université, 2023. English. ⟨NNT : 2023SORUS136⟩. ⟨tel-04163288⟩
104 Consultations
71 Téléchargements

Partager

Gmail Facebook X LinkedIn More