Recommandation contextuelle d'utilisateurs pour les plateformes de micro-blogging

摘要

Micro-blogging systems have become a prime source of information. However due to their unprecedented success, these systems have to face an exponentially increasing amount of user generated content. As a consequence, finding users who publish quality content that matches precise interests is a real challenge for the average user. We present in this article a recommendation score which takes advantage of the social graph topology and of the existing contextual information to recommend users to follow on a given topic. We also introduce a landmark-based algorithm that precomputes recommendation scores for a given set of graph nodes and that allows to scale. Our experimental results confirm the relevance of this score against existent approaches as well as the scalability of our landmark-based algorithm.%Les services de micro-blogging sont devenus récemment une source d'information importante. Cependant, victimes de leur succès, ils doivent actuellement gérer une quantité sans précédent d'informations générées par les utilisateurs. Il devient par conséquent difficile pour les utilisateurs de trouver dans ces services des contenus proches de leurs intérêts. Afin de recommander des utilisateurs à suivre sur un sujet donné, nous proposons dans cet article des scores basés sur la topologie du graphe social ainsi que sur le contenu textuel des microblogs. Pour permettre le passage à l'échelle, nous présentons une approche qui s'appuie sur l'utilisation de landmarks pour pré-calculer des recommandations pour certains comptes choisis dans le graphe. Nos expériences confirment la pertinence de notre score de recommandation par rapport à des approches existantes ainsi que le passage à l'échelle de notre algorithme basé sur l'utilisation des landmarks.