Direction de recherche : Patrick GALLINARI

Co-encadrement : GUIGUE Vincent

Accès Personnalisé à l'Information : Prise en Compte de la Dynamique Utilisateur

L'enjeu majeur de cette thèse réside dans l'amélioration de l'adéquation entre l'information retournée et les attentes des utilisateurs à l'aide de profils riches et efficaces.
Il s'agit donc d'exploiter au maximum les retours utilisateur (qu'ils soient donnés sous la forme de clics, de notes ou encore d'avis écrits) et le contexte. En parallèle la forte croissance des appareils nomades (smartphones, tablettes) et par conséquent de l'informatique ubiquitaire nous oblige à repenser le rôle des systèmes d'accès à l'information. C'est pourquoi nous ne nous sommes pas seulement intéressés à la performance à proprement parler mais aussi à l'accompagnement de l'utilisateur dans son accès à l'information.
Durant ces travaux de thèse, nous avons choisi d'exploiter les textes écrit par les utilisateurs pour affiner leurs profils et contextualiser la recommandation. À cette fin, nous avons utilisé les avis postés sur les sites spécialisés (IMDb, RateBeer, BeerAdvocate) et les boutiques en ligne (Amazon) ainsi que les messages postés sur Twitter. Dans un second temps, nous nous sommes intéressés aux problématiques de modélisation de la dynamique des utilisateurs. En plus d'aider à l'amélioration des performances du système, elle permet d'apporter une forme d'explication quant aux items proposés. Ainsi, nous proposons d'accompagner l'utilisateur dans son accès à l'information au lieu de le contraindre à un ensemble d'items que le système juge pertinents.

Publications 2013-2017

• 2017
  • E. Guardia Sebaoun : “Personnalized access to information : taking the user’s dynamic into account”, thèse, soutenance 27/11/2017, direction de recherche Gallinari, Patrick, co-encadrement : Guigue, Vincent (2017)
• 2016
  • E. Guardia‑Sebaoun, V. Guigue, P. Gallinari : “Apprentissage de trajectoires temporelles pour la recommandation dans les communautés d’utilisateurs”, CAp, Marseille, France (2016)
• 2015
  • E. Guardia‑Sebaoun, V. Guigue, P. Gallinari : “Latent Trajectory Modeling: a Light and Efficient Way to Introduce Time in Recommender Systems”, RecSys, Vienne, Austria (2015)
• 2014
  • M. Poussevin, E. Guardia‑Sebaoun, V. Guigue, P. Gallinari : “Recommandation par combinaison de filtrage collaboratif et d’analyse de sentiments”, CORIA 2014 - COnférence en Recherche d’Information et Applications, Nancy, France, pp. 27-42 (2014)
  • E. Guàrdia Sebaoun, V. Guigue, P. Gallinari : “Recommandation Dynamique dans les Graphes Géographiques”, MARAMI 2014 : 5ième conférence sur les modèles et l'analyse des réseaux : Approches mathématiques et informatiques, Paris, France (2014)
• 2013
  • E. Guardia‑Sebaoun, A. Rafrafi, V. Guigue, P. Gallinari : “Cross-Media Sentiment Classification and Application to Box-Office Forecasting”, Proceedings of the 10^th Conference on Open Research Areas in Information Retrieval (OAIR '13), Lisbon, Portugal, pp. 201-208 (2013)