Learning representations for Information Retrieval

La recherche d'informations s'intéresse, entre autres, à répondre à des questions comme: est-ce qu'un document est pertinent à une requête ? Est-ce que deux requêtes ou deux documents sont similaires ? Comment la similarité entre deux requêtes ou documents peut être utilisée pour améliorer l'estimation de la pertinence ? Pour donner réponse à ces questions, il est nécessaire d'associer chaque document et requête à des représentations interprétables par ordinateur. Une fois ces représentations estimées, la similarité peut correspondre, par exemple, à une distance ou une divergence qui opère dans l'espace de représentation. On admet généralement que la qualité d'une représentation a un impact direct sur l'erreur d'estimation par rapport à la vraie pertinence, jugée par un humain. Estimer de bonnes représentations des documents et des requêtes a longtemps été un problème central de la recherche d'informations. Le but de cette thèse est de proposer des nouvelles méthodes pour estimer les représentations des documents et des requêtes, la relation de pertinence entre eux et ainsi modestement avancer l'état de l'art du domaine. Nous présentons quatre articles publiés dans des conférences internationales et un article publié dans un forum d'évaluation. Les deux premiers articles concernent des méthodes qui créent l'espace de représentation selon une connaissance à priori sur les caractéristiques qui sont importantes pour la tâche à accomplir. Ceux-ci nous amènent à présenter un nouveau modèle de recherche d'informations qui diffère des modèles existants sur le plan théorique et de l'efficacité expérimentale. Les deux derniers articles marquent un changement fondamental dans l'approche de construction des représentations. Ils bénéficient notamment de l'intérêt de recherche dont les techniques d'apprentissage profond par réseaux de neurones, ou deep learning, ont fait récemment l'objet. Ces modèles d'apprentissage élicitent automatiquement les caractéristiques importantes pour la tâche demandée à partir d'une quantité importante de données. Nous nous intéressons à la modélisation des relations sémantiques entre documents et requêtes ainsi qu'entre deux ou plusieurs requêtes. Ces derniers articles marquent les premières applications de l'apprentissage de représentations par réseaux de neurones à la recherche d'informations. Les modèles proposés ont aussi produit une performance améliorée sur des collections de test standard. Nos travaux nous mènent à la conclusion générale suivante: la performance en recherche d'informations pourrait drastiquement être améliorée en se basant sur les approches d'apprentissage de représentations.

Does the European Union create the foundations of an information society for all? Bruges European Economic Policy (BEEP) Briefing 11/2005

In order to increase the use of information and communication technologies (ICT) in the European Union Member States, the European Commission, on the initiative of Commissioner E. Liikannen, launched in December 1999 a bold programme called “eEurope”. Soon after its creation, the eEurope programme was integrated into the so- called Lisbon agenda for Europe to become the “most advanced knowledge based economy” in the world. We try to assess if the programme is successful in achieving its stated objective of promoting a knowledge based economy through the development of an “information society for all”. First, we conclude that eEurope, due to its origins and its procedures, has intrinsic limits both as regards its scope and effectiveness. Second, we show how Member States have adopted different trajectories towards the “knowledge based society”. To identify these heterogeneous paths of growth, we have selected a set of variables that, combined together, represent the institutional arrangements specific to a country or a group of countries. We found sharp differences between two advanced models that we label, respectively, as Scandinavian and Anglo-Saxon. Without asserting the superiority of a model, we propose policy orientations to help Europe overcome those gaps hindering the move towards knowledge economies where information society technologies are widely diffused.

Confidentiala "Mode 3" Systems Approach for Knowledge Creation, Diffusion and Use: Towards a 21st Century Fractal Innovation Ecosystem. ACES Working Paper (Report) No. 4, 2007

"Mode 3" allows and emphasizes the co-existence and co-evolution of different knowledge and innovation paradigms: the competitiveness and superiority of a knowledge system is highly determined by its adaptive capacity to combine and integrate different knowledge and innovation modes via co-evolution, co-specialization and coopetition [sic] of knowledge stock and flow dynamics. What results is an emerging fractal knowledge and innovation ecosystem, well-configured for the knowledge economy and society. The intrinsic litmus test of the capacity of such an ecosystem to survive and prosper in the context of continually glocalizing [sic] and intensifying competition represents the ultimate competitiveness benchmark with regards to the robustness and quality of the ecosystem's knowledge and innovation architecture and topology.

The utilitarian and hedonic outcomes of music information seeking in everyday life

This qualitative study focuses on what contributes to making a music information-seeking experience satisfying in the context of everyday life. Data were collected through in-depth interviews conducted with 15 younger adults (18 to 29 years old). The analysis revealed that satisfaction could depend on both hedonic (i.e., experiencing pleasure) and utilitarian outcomes. It was found that two types of utilitarian outcomes contributed to satisfaction: (1) the acquisition of music, and (2) the acquisition of information about music. Information about music was gathered to (1) enrich the listening experience, (2) increase one's music knowledge, and/or (3) optimize future acquisition. This study contributes to a better understanding of music information-seeking behavior in recreational contexts. It also has implications for music information retrieval systems design: results suggest that these systems should be engaging, include a wealth of extra-musical information, allow users to navigate among music items, and encourage serendipitous encountering of music.

Learning representations for Information Retrieval

La recherche d'informations s'intéresse, entre autres, à répondre à des questions comme: est-ce qu'un document est pertinent à une requête ? Est-ce que deux requêtes ou deux documents sont similaires ? Comment la similarité entre deux requêtes ou documents peut être utilisée pour améliorer l'estimation de la pertinence ? Pour donner réponse à ces questions, il est nécessaire d'associer chaque document et requête à des représentations interprétables par ordinateur. Une fois ces représentations estimées, la similarité peut correspondre, par exemple, à une distance ou une divergence qui opère dans l'espace de représentation. On admet généralement que la qualité d'une représentation a un impact direct sur l'erreur d'estimation par rapport à la vraie pertinence, jugée par un humain. Estimer de bonnes représentations des documents et des requêtes a longtemps été un problème central de la recherche d'informations. Le but de cette thèse est de proposer des nouvelles méthodes pour estimer les représentations des documents et des requêtes, la relation de pertinence entre eux et ainsi modestement avancer l'état de l'art du domaine. Nous présentons quatre articles publiés dans des conférences internationales et un article publié dans un forum d'évaluation. Les deux premiers articles concernent des méthodes qui créent l'espace de représentation selon une connaissance à priori sur les caractéristiques qui sont importantes pour la tâche à accomplir. Ceux-ci nous amènent à présenter un nouveau modèle de recherche d'informations qui diffère des modèles existants sur le plan théorique et de l'efficacité expérimentale. Les deux derniers articles marquent un changement fondamental dans l'approche de construction des représentations. Ils bénéficient notamment de l'intérêt de recherche dont les techniques d'apprentissage profond par réseaux de neurones, ou deep learning, ont fait récemment l'objet. Ces modèles d'apprentissage élicitent automatiquement les caractéristiques importantes pour la tâche demandée à partir d'une quantité importante de données. Nous nous intéressons à la modélisation des relations sémantiques entre documents et requêtes ainsi qu'entre deux ou plusieurs requêtes. Ces derniers articles marquent les premières applications de l'apprentissage de représentations par réseaux de neurones à la recherche d'informations. Les modèles proposés ont aussi produit une performance améliorée sur des collections de test standard. Nos travaux nous mènent à la conclusion générale suivante: la performance en recherche d'informations pourrait drastiquement être améliorée en se basant sur les approches d'apprentissage de représentations.

Present state of knowledge of the upper atmosphere, 1990 : an assessment report : report to Congress /

Prepared on behalf of NASA at its Office of Space Science and Applications, Earth Science and Applications Division.

Impact on public knowledge and attitudes. Kansas City ASAP--analytic study 7. Final report.

National Highway Traffic Safety Administration, Washington, D.C.

Principles of knowledge representation and reasoning : proceedings of the fourth international conference (KR'94), Bonn, Germany, May 24-27, 1994 /

Includes bibliographical references and index.

Principles of knowledge representation and reasoning : proceedings of the Seventh International Conference (KR2000), Breckenridge, Colorado, April 12-15 2000 /

Includes bibliographical references and index.

Knowledge-based systems /

"UILU-ENG 80 1704."

A preliminary report upon the state of our knowledge of the waters in and around New York Harbor /

Mode of access: Internet.

RANN 2 : Realizing knowledge as a resource : proceedings of the second Symposium on Research Applied to National Needs, Washington, D.C., November 7-9, 1976.

"NSF 77-51" through "NSF 77-56."

Transfer of knowledge in fertilizer research and development with special emphasis on extending the TVA fertilizer program to developing countries /

Presented at A.I.D. Workshop on Research Information Networking, October 24-25, 1974, Washington, D.C.

Participation in a household hazardous waste collection drive and "before" and "after" public knowledge and disposal practices : Champaign County : technical report /

"HWRIC RR-025."

Key to knowledge, or, Things in common use : simply and shortly explained /

Cf. Gumuchian, 3501-3502.