Français Anglais
Accueil Annuaire Plan du site
Accueil > Production scientifique > Thèses et habilitations
Production scientifique
Doctorat de

Doctorat
Equipe : Données et Connaissances Massives et Hétérogènes

Adaptive Methods for User-Centric Information Access Applications

Début le 01/10/2014
Direction : CAUTIS, Bogdan

Financement : contrat doctoral UPS
Etablissement d'inscription : Université Paris-Sud
Lieu de déroulement : LRI - LaHDAK

Soutenue le 12/10/2017 devant le jury composé de :
Rapporteurs:
Ludovic Denoyer, UPMC Université Paris 6 (France)
Pierre Senellart, Ecole Normale Supérieure (France)

Examinateurs:
Aurélien Garivier, Université Paul Sabatier (France)
Stratis Ioannidis, Northeastern University (Etats-Unis)
Themis Palpanas, Université Paris Descartes (France)
Fabian Suchanek, Télécom ParisTech (France)

Directeurs de thèse:
Olivier Cappé, LIMSI (France)
Bogdan Cautis, Université Paris-Sud (France)

Activités de recherche :

Résumé :
Lorsque les internautes naviguent sur le Web, ils laissent de nombreuses traces
que nous nous proposons d’exploiter pour améliorer les applications d’accès à
l’information. Nous étudions des techniques centrées sur les utilisateurs qui
tirent parti des nombreux types de rétroaction pour perfectionner les services
offerts aux utilisateurs. La première partie de cette thèse est consacrée à une
approche interactive de la recherche d’information sur les médias sociaux. Le
problème consiste à récupérer un ensemble de k résultats dans un réseau social
sous la contrainte que la requête peut être incomplète (par exemple, si le
dernier terme est un préfixe). Nous adoptons une interprétation de la pertinence
de l’information qui tient compte du réseau, selon laquelle l’information
produite par les utilisateurs proches de l’utilisateur faisant la requête est
jugée plus pertinente. Ensuite, nous étudions une version générique de la
maximisation de l’influence, dans laquelle nous voulons maximiser l’influence
des campagnes d’information ou de marketing en sélectionnant de manière
adaptative les utilisateurs initiant la propagation de l’information parmi un
petit sous-ensemble de la population. Enfin, nous abordons le problème bien
connu du démarrage à froid auquel sont confrontés les systèmes de recommandation
par une approche adaptative. Nous introduisons un algorithme de bandit qui vise
à alterner intelligemment les recommandations visant à accumuler de
l’information et celles s’appuyant sur les données déjà recueillies.