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

Doctorat
Equipe : Modélisation Hétérogène

Intégration du Web Social dans les systèmes de recommandation

Début le 01/03/2014
Direction : SEGHOUANI BENNACER, Nacéra
[QUERCINI Gianluca]

Financement : CIFRE
Etablissement d'inscription : Centrale Supélec
Lieu de déroulement :

Soutenue le 19/12/2017 devant le jury composé de :
Jérôme Azé – Université de Montpellier, LIRMM

Nicolas LABROCHE – Université François-Rabelais de Tours, LI

Nacéra SEGHOUANI BENNACER – LRI, CentraleSupélec

Gianluca QUERCINI – LRI, CentraleSupélec

Chantal REYNAUD – Université Paris-Sud, LRI

Haïfa ZARGAYOUNA – Université Paris 13, LIPN

Uriel BERDUGO – Wepingo

Activités de recherche :

Résumé :
Le Web social croît de plus en plus et donne, à travers la toile accès à une multitude de ressources très variées, qui proviennent entres autres, de sites de partage tels que del.icio.us, d’échange de messages comme Twitter, des réseaux sociaux à finalité professionnelle, comme LinkedIn, ou plus généralement à finalité sociale, comme Facebook et LiveJournal. Un même individu peut être inscrit et actif sur différents réseaux sociaux ayant potentiellement des finalités différentes, dans lesquelles il publie des informations diverses et variées, telles que son nom, sa localité, ses communautés, ses messages et ses différentes activités. Ces informations sont une source de données précieuse notamment pour les applications cherchant à connaître leurs utilisateurs afin de mieux comprendre leurs besoins et leurs intérêts. L’objectif de nos travaux de recherche est d’exploiter les ressources textuelles extraites pour un même individu à partir de ses différents réseaux sociaux afin de construire un profil élargi le caractérisant et exploitable en particulier par des applications telles que les systèmes de recommandation. Cependant, le contenu du Web, au vu de sa dimension internationale, est par nature, d’une part multilingue, et d’autre part intrinsèquement ambiguë puisqu’il est édité par les utilisateurs en langage naturel dans un vocabulaire libre, et par conséquent les ressources textuelles exploitées le sont également. Dans notre travail de thèse, nous proposons des approches automatiques, multilingues et non supervisées pour construire un profil élargi pour un utilisateur en agrégeant les informations provenant de ses différents réseaux sociaux. En particulier, nous avons réalisé une étude afin de caractériser les traits de personnalité des utilisateurs. De nombreuses expérimentations, analyses et évaluations ont été réalisées sur des données réelles collectées à partir de différents réseaux sociaux.