Titre : La découverte du contexte de faits réels Auteurs : Arjun Satish, Ramesh Jain, Amarnath Gupta, Revue : Modélisation et utilisation du contexte Numéro : Numéro 1 Volume : 2 Date : 2018/02/6 DOI : 10.21494/ISTE.OP.2018.0212 ISSN : 2514-5711 Résumé : Spécifier un espace de recherche représente une étape importante dans la conception de systèmes d’annotation multi-média. Avec une grande quantité de données provenant de capteurs et de services Web, les approches sensible au contexte deviennent de plus en plus usuelles pour élaguer les espaces de recherche. Dans ces approches, l’espace de recherche est limité par les informations contextuelles qui sont obtenues à partir d’un ensemble donné de sources. Par exemple, un système pour marquer les visages dans des photos pourrait reposer sur une liste statique de candidats obtenus à partir de photos de personnes sur leur profil FaceBook. Ces sources contextuelles peuvent devenir très volumineuses, ce qui peut conduire à une précision plus faible dans le problème des annotations. Nous présentons un nouvel algorithme de découverte du contexte, une technique pour découvrir progressivement l’espace de recherche le plus pertinent pour un ensemble dynamique de sources contextuelles. Ceci nous permet de recueillir les bénéfices du contexte tout en gardant la taille de l’espace de recherche à une taille raisonnable. Comme concrète application de notre approche, nous présentons une application simple de management de photos, où les visages de personnes sont marqués à partir de photos privées d’un utilisateur. Nous étudions empiriquement le rôle de notre cadre de travail dans l’application de marquage de visages pour marquer des photos prises lors d’événements sociaux comme des conférences, des mariages ou de rassemblements sociaux. Nos résultats montrent que la disponibilité du contexte des événements et sa découverte dynamique peut produire des espaces de recherche plus petits de 97.5% avec au moins 93% de marquages corrects. Éditeur : ISTE OpenScience