L’entreposage de données et le Business Intelligence sur le Cloud Computing

Abstract

Cette thèse s’inscrit dans les domaines de l’entreposage, du contexte, et du Business Intelligence dans l’ère du Big Data, elle vise à apporter des contributions sur deux axes complémentaires : d’abord l’exploitation du profil utilisateur dans la reformulation de requêtes, puis la personnalisation de l’analyse dans le Big Data par l’utilisation de requêtes reformulées et le filtrage basé sur le contenu. En effet, l’ère du Big Data apporte des valeurs et des avantages énormes liés à notre vie quotidienne, tels que le commerce électronique, le tourisme, et les transports, etc. Cependant, l’analyse de ces données par les approches traditionnelles de Business Intelligence reste très limitée face à une triple problématique qui couvre : un volume de données important à traiter, une grande variété d’informations (structurées ou non-structurées), et un certain niveau de vélocité à atteindre. Pour pallier à cette triple problématique, et afin de faciliter l’expression du besoin utilisateur, et de rendre l’information sélectionnée intelligible et exploitable par l’utilisateur, nous utilisons deux mécanismes dans nos contributions : d’une part, le contexte relatif à l’utilisateur stocké dans une structure nommée "profil utilisateur" qui est considéré central dans tout système basé sur les techniques de personnalisation, d’une autre part, le contexte de la recherche portée par les termes de la requête utilisateur. Le but des deux mécanismes cités précédemment est d’augmenter la sélectivité des résultats dans le cube OLAP personnalisé par l’utilisation d’une technique de filtrage à base de contenu. Enfin, un ensemble d?expérimentations ont été réalisées dans cette thèse. L’objectif de ces expérimentations était double : d’abord, prouver l’applicabilité des différentes approches proposées, puis comparer, tester et valider chacune de nos contributions.