Séminaire (organisé par l’équipe CID)

Elsa NEGRE

Maître de conférences HDR, UMR Lamsade, Université Paris Dauphine


Système de recommandations : généricité, évaluation et améliorations


Mardi 6 février 2018 à 14 h en GI042

Résumé :
Nos travaux s’articulent autour de l’extraction et de l’analyse de données issues de sources hétérogènes pour les rendre facilement accessibles et exploitables par les utilisateurs/décideurs. En effet, il devient de plus en plus difficile de savoir quelles sont les données à rechercher et où les trouver lorsque la masse de données/informations s’accroît. Des techniques informatiques existent pour faciliter cette recherche et permettre une extraction pertinente des données/informations. L’une d’entre elles est la recommandation qui guide l’utilisateur lors de son exploration, en cherchant pour lui les informations susceptibles d’être pertinentes. Un enjeu intéressant est de proposer un système de recommandation capable de s’adapter à différents cas d’applications, avec de bonnes performances du point de vue de l’utilisateur/décideur et palliant certains manques des systèmes de recommandation existants. Dans le cadre de nos travaux, l’ensemble des données à explorer peut provenir de différents domaines (les environnements de travail collaboratif, les plateformes d’apprentissage en ligne, les entrepôts de données, les villes intelligentes, les systèmes d’alertes précoces, ...) et l’utilisateur à aider peut être un individu isolé ou une entité multiple à visée publique. Conscients que la masse de données/informations à explorer dans de tels cas peut être très importante, complexe et variée, il nous est apparu nécessaire de proposer des systèmes de recommandation appropriés pour y faire face. Nous proposons donc une approche générique de recommandation, en rupture complète avec les travaux existants, que nous instancions pour permettre de recommander soit des éléments, soit des utilisateurs, sous forme de recommandations individuelles ou à visée publique dans différents domaines. Puis, nous nous intéressons à l’évaluation des (systèmes de) recommandations. Afin d’assurer la pertinence des recommandations du point de vue de l’utilisateur/décideur, nous proposons des méthodes pour évaluer subjectivement d’une part le système de recommandation et d’autre part les recommandations retournées. Enfin, malgré de bonnes performances, parfois, les recommandations ne sont pas considérées comme suffisamment pertinentes. Nous proposons donc des techniques pour améliorer les (systèmes de) recommandations. Elles concernent l’amélioration des données d’entrée, le démarrage à froid et l’ajout de données/sources externes (notamment le contexte de l’utilisateur/décideur). Nos propositions ont été validées par la participation à différents projets ainsi que le co-encadrement de thèses de Doctorat et le suivi de travaux de Master Recherche.

Mots clés : Systèmes de recommandation, Analyse de données, Aide à la décision, Systèmes d’Information

Seminars


Mardi 6 février 2018

Séminaire à 14 h 00 en GI042 (GI-Bâtiment Blaise Pascal), présenté par Elsa NEGRE, maître de conférences au Lamsade, université Paris Dauphine.
« Système de recommandations : généricité, évaluation et améliorations »


Mardi 30 janvier 2018

Séminaire à 10h15 en GI042 (GI - Bâtiment Blaise Pascal), présenté par Jonathan DEKHTIAR, doctorant au laboratoire Roberval de l’UTC.
"Deep Generative Models and AutoEncoders to robustly detect abnormal situation – Application to manufacturing defects detection."


Lundi 6 novembre 2017

Séminaire à 14 h 00 en GI042 (Bâtiment Blaise Pascal de l’UTC) présenté par Cheng-Lin LIU, Professeur et Directeur du laboratoire NLPR à Pékin.
« Research in CASIA, Beijing »


Mardi 20 juin 2017

Séminaire à 14h en GI042 (bâtiment Blaise Pascal), présenté par Patrice Perny, LIP6.
« Décision interactive sur domaine combinatoire par élicitation incrémentale de préférences ».


Pages 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ...




Actualités
Vidéothèque
Téléchargements
Annuaire



FR SHIC 3272

Collegium UTC/CNRS