6 PhD students (Supervision / Co-supervision)

• CASTANET Nicolas : Automatic Curriculum methods for Reinforcement Learning in sparse reward setting
• CÉSAIRE Manon : génération automatique de scénarios pour la conduite autonome
• FOURNIER Louis : Memorization in Deep Learning
• KAMIENNY Pierre-Alexandre : Apprentissage par renforcement en ligne dans les environnements non-stationnaires
• MUSTAR Agnès : Apprentissage profond pour la modélisation de tâches complexes en recherche d'information
• SCHOTT Lucas : Robust Reinforcement Learning

3 PhD graduated 2016 - 2020

2010-2021 Publications

• 2021
  • J.‑Y. Franceschi, E. De Bézenac, I. Ayed, M. Chen, S. Lamprier, P. Gallinari : “A Neural Tangent Kernel Perspective of GANs”, (2021)
  • J. Donà, J.‑Y. Franceschi, S. Lamprier, P. Gallinari : “PDE-Driven Spatiotemporal Disentanglement”, The Ninth International Conference on Learning Representations, Vienne, Austria (2021)
  • J. Donà, J.‑Y. Franceschi, S. Lamprier, P. Gallinari : “PDE-Driven Spatiotemporal Disentanglement”, The Ninth International Conference on Learning Representations, Vienne (virtual), Austria (2021)
• 2020
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “ColdGANs: Taming Language GANs with Cautious Sampling Strategies”, Advances in Neural Information Processing Systems, vol. 33, NeurIPS Proceedings, Virtual, Åland Islands, pp. 18978-18989, (Curran Associates, Inc.) (2020)
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “ColdGANs: Taming Language GANs with Cautious Sampling Strategies”, (2020)
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “Discriminative Adversarial Search for Abstractive Summarization”, (2020)
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “MLSUM: The Multilingual Summarization Corpus”, (2020)
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “MLSUM: The Multilingual Summarization Corpus”, 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), Online, France, pp. 8051-8067, (Association for Computational Linguistics) (2020)
  • Th. Scialom, P.‑A. Dray, S. Lamprier, B. Piwowarski, J. Staiano : “Discriminative Adversarial Search for Abstractive Summarization”, 37^th International Conference on Machine Learning, vol. 119, Proceedings of Machine Learning Research, Virtual, Åland Islands, pp. 8555-8564, (PMLR) (2020)
  • A. Mustar, S. Lamprier, B. Piwowarski : “Using BERT and BART for Query Suggestion”, Joint Conference of the Information Retrieval Communities in Europe, vol. 2621, CEUR Workshop Proceedings, Samatan, France, (CEUR-WS.org) (2020)
  • J.‑Y. Franceschi, E. Delasalles, M. Chen, S. Lamprier, P. Gallinari : “Stochastic Latent Residual Video Prediction”, Proceedings of the 37^th International Conference on Machine Learning, vol. 119, Proceedings of Machine Learning Research, Vienne, Austria, pp. 3233-3246, (PMLR) (2020)
• 2019
  • E. Delasalles, S. Lamprier, L. Denoyer : “Dynamic Neural Language Models”, ICONIP 2019 - 26^th International Conference on Neural Information Processing, vol. 11955, Lecture Notes in Computer Science, Sydney, Australia, pp. 282-294 (2019)
  • E. Delasalles, S. Lamprier, L. Denoyer : “Learning Dynamic Author Representations with Temporal Language Models”, 2019 IEEE International Conference on Data Mining (ICDM), Beijing, China, pp. 120-129, (IEEE) (2019)
  • S. Lamprier, Th. Gisselbrecht, P. Gallinari : “Contextual Bandits with Hidden Contexts: a Focused Data Capture From Social Media Streams”, Data Mining and Knowledge Discovery, 33, pp. 1853-1893, (Springer) (2019)
  • Th. Scialom, S. Lamprier, B. Piwowarski, J. Staiano : “Answers Unite! Unsupervised Metrics for Reinforced Summarization Models”, 2019 Conference on Empirical Methods in Natural Language Processing and the 9^th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), ACL Anthology, Hong Kong, China, pp. 3237-3247, (Association for Computational Linguistics) (2019)
  • S. Lamprier : “A Recurrent Neural Cascade-based Model for Continuous-Time Diffusion”, ICML 2019 - 36^th International Conference on Machine Learning, vol. 97, Proceedings of Machine Learning Research, Long Beach, CA, United States, pp. 3632-3641, (PMLR) (2019)
  • S. Lamprier : “A Variational Topological Neural Model for Cascade-based Diffusion in Networks”, (2019)
• 2018
  • E. Delasalles, S. Lamprier, L. Denoyer : “Apprentissage de l’évolution langagière dans des communautés d’auteurs”, 15^e COnférence en Recherche d'Informations et Applications - CORIA 2018, Rennes, France (2018)
  • S. Lamprier, Th. Gisselbrecht, P. Gallinari : “Profile-Based Bandit with Unknown Profiles”, Journal of Machine Learning Research, vol. 19 (53), pp. 53:1-53:40, (Microtome Publishing) (2018)
• 2017
  • S. Lamprier, Th. Gisselbrecht, P. Gallinari : “Variational Thompson Sampling for Relational Recurrent Bandits”, Joint European Conference on Machine Learning and Knowledge Discovery in Databases - ECML/PKDD 2017, vol. 10535, Lecture Notes in Computer Science, Skopje, North Macedonia, pp. 405-421, (Springer) (2017)
  • S. Bourigault, S. Lamprier, P. Gallinari : “Apprentissage de représentation pour la détection de source dans les réseaux sociaux”, COnférence en Recherche d'Informations et Applications - CORIA 2017, 14^th French Information Retrieval Conference, Marseille, France, pp. 235-250 (2017)
• 2016
  • S. Bourigault, S. Lamprier, P. Gallinari : “Learning Distributed Representations of Users for Source Detection in Online Social Networks”, ECML PKDD 2016 - European Conference on Machine Learning and Knowledge Discovery in Databases, vol. 9852, Lecture Notes in Computer Science, Riva del Garda, Italy, pp. 265-281, (Springer) (2016)
  • Th. Gisselbrecht, S. Lamprier, P. Gallinari : “Dynamic Data Capture from Social Media Streams: A Contextual Bandit Approach.”, Tenth International Conference on Web and Social Media, ICWSM 2016, Cologne, Germany, pp. 130-139 (2016)
  • S. Bourigault, S. Lamprier, P. Gallinari : “Apprentissage de Représentations Probabilistes pour la Prédiction de Diffusions d’Informations sur les Réseaux Sociaux”, COnférence en Recherche d'Information et Applications 2016 (CORIA), Toulouse, France, pp. 89-104 (2016)
  • Th. Gisselbrecht, S. Lamprier, P. Gallinari : “Bandit Contextuel pour la Capture de Données Temps Réel sur les Médias Sociaux”, Semaine du Document Numérique et de la Recherche d'Information (SDNRI 2016), Toulouse, France, pp. 57-72 (2016)
  • N. Despres, S. Lamprier, B. Piwowarski : “Apprentissage de Modèles de Langue Neuronaux pour la Recherche d’Information”, Conférence en Recherche d'Infomations et Applications, Toulouse, France, pp. 717-732 (2016)
  • S. Bourigault, S. Lamprier, P. Gallinari : “Representation Learning for Information Diffusion through Social Networks: an Embedded Cascade Model”, International Conference on Web Search and Data Mining, San Francisco, United States, pp. 573-582, (ACM) (2016)
  • Th. Gisselbrecht, S. Lamprier, P. Gallinari : “Linear Bandits in Unknown Environments”, ECML PKDD 2016 - European Conference on Machine Learning and Knowledge Discovery in Databases, vol. 9852, Lecture Notes in Computer Science, Riva Del Garda, Italy, pp. 282-298, (Springer) (2016)
  • S. Lamprier, S. Bourigault, P. Gallinari : “Influence learning for cascade diffusion models: focus on partial orders of infections”, Social Network Analysis and Mining, vol. 6 (1), pp. 93, (Springer) (2016)
• 2015
  • Th. Gisselbrecht, S. Lamprier, P. Gallinari : “Policies for Contextual Bandit Problems with Count Payoffs.”, 27^th IEEE International Conference on Tools with Artificial Intelligence, ICTAI 2015, Vietri Sul Mare, Italy, pp. 542-549, (IEEE) (2015)
  • B. Piwowarski, S. Lamprier, N. Despres : “Parameterized Neural Network Language Models for Information Retrieval”, (2015)
  • S. Lamprier, S. Bourigault, P. Gallinari : “Extracting Diffusion Channels from Real-World Social Data: a Delay-Agnostic Learning of Transmission Probabilities”, International Conference on Advances in Social Networks Analysis and Mining 2015, Paris, France (2015)
  • Th. Gisselbrecht, P. Gallinari, S. Lamprier, L. Denoyer : “WhichStreams: A Dynamic Approach for Focused Data Capture from Large Social Media”, Ninth International Conference on Web and Social Media, ICWSM 2015, Oxford, United Kingdom, pp. 130-139 (2015)
  • S. Lamprier, N. Baskiotis, T. Ziadi, L. Hillah : “The CARE Platform for the Analysis of Behavior Model Inference Techniques”, Information and Software Technology, vol. 60, pp. 32-50, (Elsevier) (2015)
  • Th. Gisselbrecht, L. Denoyer, P. Gallinari, S. Lamprier : “Apprentissage en temps réel pour la collecte d’information dans les réseaux sociaux.”, CORIA 2015 - Conférence en Recherche d'Infomations et Applications, Paris, France, pp. 7-22 (2015)
  • Th. Gisselbrecht, L. Denoyer, P. Gallinari, S. Lamprier : “Apprentissage en temps réel pour la collecte d’information dans les réseaux sociaux”, Document Numérique, vol. 18 (2-3), pp. 39-58, (Lavoisier) (2015)
• 2014
  • S. Lamprier, T. Ziadi, N. Baskiotis, L. Hillah : “Exact and Efficient Temporal Steering of Software Behavioral Model Inference”, Proc. of 19^th IEEE International Conference on Engineering of Complex Computer Systems (ICECCS), Tianjin, China, pp. 166-175, (IEEE) (2014)
  • S. Bourigault, C. Lagnier, S. Lamprier, L. Denoyer, P. Gallinari : “Apprentissage de représentation pour la diffusion d’Information dans les réseaux sociaux”, COnférence en Recherche d'Information et Applications 2014, CORIA 2014, Nancy, France, pp. 155-170 (2014)
  • S. Bourigault, C. Lagnier, S. Lamprier, L. Denoyer, P. Gallinari : “Learning social network embeddings for predicting information diffusion”, Proceedings of the 7^th ACM international conference on Web search and data mining, New York, United States, pp. 393-402, (ACM) (2014)
  • C. Lagnier, S. Bourigault, S. Lamprier, L. Denoyer, P. Gallinari : “Learning Information Spread in Content Networks”, ICLR 2014 - International Conference on Learning Representations, CoRR, Banff, Canada, pp. abs/1312.6169 (2014)
• 2013
  • S. Lamprier, N. Baskiotis, T. Ziadi, L. Hillah : “CARE: a platform for reliable Comparison and Analysis of Reverse-Engineering techniques”, 18^th IEEE International Conference on Engineering of Complex Computer Systems -- ICECCS, Singapore, Singapore, pp. 252-255, (IEEE) (2013)
• 2010
  • S. Lamprier, T. Amghar, B. Levrat, F. Saubion : “Query-oriented clustering: a multi-objective approach.”, ACM Symposium on Applied Computing, Sierre, Switzerland, pp. 1789-1795, (ACM) (2010)
  • S. Lamprier, T. Amghar, F. Saubion, B. Levrat : “Traveling among clusters: a way to reconsider the benefits of the cluster hypothesis.”, ACM Symposium on Applied Computing, Sierre, Switzerland, pp. 1774-1780, (ACM) (2010)
  • S. Lamprier, T. Amghar, B. Levrat, F. Saubion : “Organiser les résultats d’une recherche d’information : Clustering, répartition de l’information et facilité d’accès”, Document Numérique, vol. 13 (1), pp. 9-39, (Lavoisier) (2010)