Modélisation multi-agents d'un système de recherche d'information multimédia à forte composante vidéo - Université de Lorraine Access content directly
Theses Year : 1996

Multiagent modelling of a information retrieval system for images and videos collections

Modélisation multi-agents d'un système de recherche d'information multimédia à forte composante vidéo

Abstract

Techniques to retrieve and present multimedia documents require heterogeneous knowledge and know-how (librarians, media specialists, application domain specialists, etc). Most of these techniques are quickly evolving, as video processing is an example. We are particularly interested in video retrieval. Librarians searching for documents traditionally use some surrogates of them, represented by lists of keywords. We adopt the conceptual graph theory of Sowa to represent documents descriptions. In our model the descriptions are modelized by facets, each facet matching the viewpoint of an expert on the collection. During the retrieval process, documents descriptions can be exploited by a vectorial or a conceptual graph matching, depending on the user's need. Our approach consists in conceiving a set of agents to assist users in their information retrieval. This "society of agents" must be able to adjust its behaviour to various information needs. We define the main agents of such a system and their organisation, studying their interactions to improve the retrieval. This model has been implemented a multiagent prototype, Video-SAFARI.
Les techniques mises en oeuvre pour retrouver et présenter des informations multimédias font appel à des connaissances et des savoir-faire hétérogènes: celles du documentaliste, celles des spécialistes de chaque media impliquent, celles des spécialistes du domaine de l'application, etc.) Dont la plupart évoluent rapidement. Nous nous intéressons plus particulièrement à la recherche d'information dans des collections de documents vidéo, qui sont complexes et riches en information. L'approche documentaire traditionnelle exploite des descriptions des documents pour effectuer la recherche. Dans le modèle de description que nous proposons, les différents aspects de connaissance qui peuvent être exploités sont modélisés par facettes, chaque facette correspondant au point de vue d'un expert sur les documents. Nous avons retenu le formalisme des graphes conceptuels pour représenter ces descriptions: plus riches que des descriptions par mots-clefs, les graphes conceptuels permettent de représenter des nuances et des concepts complexes. Toutefois, le système n'impose pas à l'utilisateur de formuler sa requête dans le formalisme que connait l'application, mais sous la forme d'une liste de mots-clefs, qu'il peut éventuellement pondérer pour indiquer leurs importances relatives. Nous avons conçu une société d'agents qui se met au service de l'utilisateur pour l'aider dans sa recherche d'information: les agents de recherche établissent leur stratégie de manière dynamique, en fonction de la situation. Ils s'appuient sur les jugements de l'utilisateur à propos des documents proposés non seulement pour améliorer leur recherche, mais pour évaluer leurs performances. Cette société d'agents doit être capable d'évoluer. Définir les agents d'un tel système et leur organisation dynamique, étudier les modes d'interactions et de coopération qui peuvent s'établir entre eux durant une session de recherche, tel a été l'objet principal de notre travail. Les idées que nous avons développées ont été implantées dans le prototype multi-agents safari-video.
Fichier principal
Vignette du fichier
SCD_T_1996_0017_SIMONNOT.pdf (5.38 Mo) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

tel-01748617 , version 1 (20-06-2018)

Identifiers

  • HAL Id : tel-01748617 , version 1

Cite

Brigitte Simonnot. Modélisation multi-agents d'un système de recherche d'information multimédia à forte composante vidéo. Informatique [cs]. Université Henri Poincaré - Nancy 1, 1996. Français. ⟨NNT : 1996NAN10017⟩. ⟨tel-01748617⟩
112 View
568 Download

Share

Gmail Mastodon Facebook X LinkedIn More