Direção de pesquisa : Patrick GALLINARI

Co-supervisão£o : GUIGUE Vincent

Expliciter le filtrage collaboratif par le traitement automatique des langues

Très efficace pour trouver ce sur quoi vous allez cliquer, la plupart des systèmes de recommandation n'expliquent pas leurs suggestions et se contentent de proposer une simple liste d'items. Ces systèmes manquent également de transparence et il est souvent impossible de savoir ce qu'ils ont appris sur vous. En conséquence, l'efficacité et l’acceptabilité de ces systèmes sont sous-optimales.
La transparence et la capacité d’explication des systèmes de recommandation sont au coeur de cette thèse. Imaginez qu'on vous recommande un restaurant sans vous parler de ce qu'on y sert, seriez-vous prêt à suivre une telle suggestion ? En réalité, l'explication est aussi importante que la recommandation en elle-même. Un premier pas consiste généralement à présenter des objets connus de l'utilisateur, similaire à celui suggéré, comme justification. Rares sont les systèmes capables de dépasser ce paradigme et de mettre en avant certains aspects du produit afin d’intéresser l'utilisateur.
Cette thèse se situe à l’intersection entre les systèmes de recommandation et les approches de traitement automatique de la langue naturelle: la soutenance permettra de démontrer comment les avancées récentes en TAL peuvent être intégrer efficacement en recommandation pour plus de transparence et d’explicativité.

Publicações 2016-2019

• 2019
  • Ch. Dias : “Expliciter le filtrage collaboratif par le traitement automatique des langues”, tese, defesas 10/12/2019, direção de pesquisa Gallinari, Patrick, co-supervisão£o : Guigue, Vincent (2019)
  • Ch. Dias , V. Guigue, P. Gallinari : “Filtrage collaboratif explicite par analyse de sentiments à l’aveugle”, CAp 2019 - 21^e Conférence sur l'Apprentissage automatique, Toulouse, France (2019)
  • Ch. Dias , C. Gainon de Forsan de Gabriac, V. Guigue, P. Gallinari : “RNN & modèle d’attention pour l’apprentissage de profils textuels personnalisés”, Document numérique - Revue des sciences et technologies de l'information. Série Document numérique, vol. 22 (3), pp. 9-27, (Hermès) (2019)
• 2018
  • Ch. Dias , C. Gainon de Forsan de Gabriac, V. Guigue, P. Gallinari : “RNN & modèle d’attention pour l’apprentissage de profils textuels personnalisés”, CORIA 2018 - 15^e COnférence en Recherche d'Informations et Applications, Rennes, France (2018)
  • Ch. Dias , V. Guigue, P. Gallinari : “Regularize and Explicit Collaborative Filtering With Textual Attention”, ESANN 2018 - European Symposium on Artificial Neural Networks, Bruges, Belgium (2018)
• 2017
  • Ch. Dias , V. Guigue, P. Gallinari : “Text-based collaborative filtering for cold-start soothing and recommendation enrichment”, AISR2017, Paris, France (2017)
  • Ch. Dias , V. Guigue, P. Gallinari : “Passé, présent, futurs : induction de carrières professionnelles à partir de CV”, COnférence en Recherche d'Informations et Applications - CORIA 2017, 14^th French Information Retrieval Conference, Marseille, France, pp. 281-296 (2017)
• 2016
  • Ch. Dias , V. Guigue, P. Gallinari : “Recommandation et analyse de sentiments dans un espace latent textuel”, CORIA, Toulouse, France (2016)