125 research outputs found
Automatic Web Pages Author Extraction
No full textInternational audienceThis paper addresses the problem of automatically extracting the author from heterogeneous HTML resources as a sub problem of automatic metadata extraction from (Web) documents. We take a supervised machine learning approach to address the problem using a C4.5 Decision Tree algorithm. The particularity of our approach is that it focuses on both, structure and contextual information. A semi-automatic approach was conducted for corpus expansion in order to help annotating the dataset with less human effort. This paper shows that our method can achieve good results (more than 80% in term of F1-measure) despite the heterogeneity of our corpus
New Incremental Fuzzy C Medoids Clustering Algorithms
No full textInternational audienceThis paper proposes two new incremental fuzzy c medoids clustering algorithms for very large datasets. These algorithms are tailored to work with continuous data streams, where all the data is not necessarily available at once or can not fit in main memory. Some fuzzy algorithms already propose solutions to manage large datasets in a similar way but are generally limited to spatial datasets to avoid the complexity of medoids computation. Our methods keep the advantages of the fuzzy approaches and add the capability to handle large relational datasets by considering the continuous input stream of data as a set of data chunks that are processed sequentially. Two distinct models are proposed to aggregate the information discovered from each data chunk and produce the final partition of the dataset. Our new algorithms are compared to state-of-the-art fuzzy clustering algorithms on artificial and real datasets. Experiments show that our new approaches perform closely if not better than existing algorithms while adding the capability to handle relational data to better match the needs of real world applications
Recommandation basée sur les intérêts utilisateurs pour les systèmes d'informatique décisionnelle modernes
No full textStocker de grandes quantités de données complexifie les interactions avec les systèmes de Business Intelligence (BI). Les systèmes de recommandation semblent un choix logique pour aider les utilisateurs dans leur analyse. Ils extraient des comportements de données historiques et suggèrent des actions personnalisées, potentiellement redondantes, via des scores de similarité. La diversité est essentielle pour améliorer la satisfaction des utilisateurs, d’où l’intérêt particulier accordé aux recommandations complémentaires. Nous avons étudié deux problèmes concrets d’exploration de données en BI et proposons de découvrir et exploiter les intentions utilisateur pour fournir deux recommandeurs de requête. Le premier, un recommandeur collaboratif réactif original basé sur l’intention, recommande des séquences de requêtes à l’utilisateur pour poursuivre son analyse. Le second propose proactivement un ensemble de requêtes pour compléter un rapport BI, en fonction di contexte utilisateur.The storage of big amounts of data may lead to a series of long questions towards the expected solution which complicates user interactions with Business Intelligence (BI) systems. Recommender systems appear as a natural solution to help the users complete their analysis. They try to discover user behaviors from the past logs and to suggest personalized actions by predicting lists of likeness scores, which may lead to redundant recommendations. Nowadays, diversity is becoming essential to improve users’ satisfaction, thus, a special interest is dedicated to complementary recommendation. We studied two concrete data exploration problems in BI and we propose to discover and leverage the user intents to provide two query recommenders. The first, an original reactive collaborative Intent-based Recommender, recommends sequences of queries for the user to pursue her analysis. The second one proactively proposes a bundle of queries to complete user BI report, based on the user intents
Multi-Objective optimization for the construction and personalization of ad campaigns
No full textL'objectif de cette thèse est d'étudier et de développer de nouvelles approches d'optimisation multi-objectifs et d'intelligence artificielle pour l'allocation et la personnalisation de la planification des campagnes publicitaires multi-marques. Le problème d'allocation des campagnes publicitaires multimarques est un problème d'optimisation combinatoire multi-objectif NP-difficile qui consiste, étant donné un ensemble de campagnes publicitaires d'annonceurs et un ensemble d'écrans commerciaux avec du temps de diffusion (slots), à déterminer comment les spots publicitaires devraient être alloués à un sous-ensemble d'écrans afin de maximiser le revenu total du réseau de télévision, de respecter les exigences des annonceurs et les restrictions de l'inventaire publicitaire limité. A cette fin, dans cette thèse, nous étendons l'état de l'art en : (i) fournissant une formalisation multi-acteurs et multi-objectifs pour le problème en question, dans lequel, les exigences de toutes les parties prenantes dans le processus d'allocation de la publicité sont modélisées et prises en considération, (ii) proposant un nouvel algorithme évolutionnaire multi-objectif qui incorpore les préférences des décideurs et pourrait être adapté à des fronts de Pareto de formes différentes, (iii) suggérant un nouveau mécanisme de promotion de la diversité pour améliorer la diversité des solutions proposées, (iv) proposer un nouveau cadre basé sur l'apprentissage par transfert pour apprendre la représentation des caractéristiques des régions optimales de Pareto du problème source, afin de l'exploiter comme une heuristique pour la résolution et la personnalisation de problèmes cibles similaires, (v) proposer un générateur de données synthétiques pour évaluer et améliorer l'évolutivité des allocateurs de plans médias suggérés.The objective of this thesis is to study and develop new Multi-objective optimization and artificial intelligence approaches for the allocation and personalization of multi-brand advertising campaigns scheduling. The multi-brand advertising campaign allocation problem is an NP-Hard, Many-Objective combinatorial optimization problem that consists of, given a set of advertiser campaigns and a set of commercial breaks with airtime (slots), determining how campaign spots (brand messages) should be allocated to a subset of breaks in order to maximize total TV network revenue and evenness with respect to advertisers' requirements and limited advertising inventory restrictions. To this end, in this thesis, we extend the state of the art by: (i) providing a Multi-Stakeholder, Many-objective formalization for the problem at hand, in which the requirements of all stakeholders in the advertisement allocation process is modeled and taken into consideration, (ii) proposing new Many-objective evolutionary algorithm that incorporates decision makers' preferences and could be adapted to differently shaped pareto fronts, (iii) suggesting a new diversity promotion mechanism to improve the diversity of proposed solutions, (iv) proposing a new transfer learning based framework for learning the feature representation of the Pareto optimal regions of the source problem and exploiting it as a heuristic for the resolution and personalization of similar target problems, (v) proposing a synthetic data generator to evaluate and improve the scalability of suggested media plan allocators
Mesure d'audience sur Internet par population de fourmis artificielles
No full textNational audienceNous présentons dans ce travail un outil pour la mesure d’audience sur Internet, reposant sur l’extraction de profils de navigation représentatifs de l’activité des internautes sur les sites. Ces profils sont obtenus par l’application d’un algorithme de classification non supervisée – inspiré du système de reconnaissance chimique des fourmis – sur des sessions de navigations construites à partir des fichiers log du site étudié. Cet algorithme de classification a été associé à une représentation multimodale des sessions utilisateurs permettant d’employer l’ensemble des informations à disposition dans les fichiers log (impacts sur les pages, heure de connexion, durée, séquence des pages, …), ainsi qu’à une mesure de similarité adaptée pour créer les profils de chacun des clusters obtenus. Il reste cependant d’autres modalités (basées sur le contenu des documents accédés) qui pourraient améliorer la capacité de l’outil à donner du sens aux profils découverts
Méthodes d'apprentissage automatique pour l'analyse des interactions utilisateurs
No full textThe research described in this habilitation document proposes new machine learning methods dedicated to the study of users interactions on three main levels. First, we are interested in the analysis of user interaction in the form of users’ activity traces. To this aim, we develop new incremental clustering algorithms for large scale data sets or data streams. Unlike existing approaches, our methods are not limited to numerical data processing and are paired with tools to research typical user profile and that provide dynamic web paths visualization to facilitate interpretation of the analyzes. Secondly, we are interested in semi-supervised clustering methods which allow the integration of expert knowledge in the clustering process. In this context, we have proposed active learning algorithms that optimize interactions between the human expert and the classification algorithms to improve their performance. Finally, we are interested in the problem of automatic extraction of metadata from structured corpus in the context of information retrieval. The specificity of this work is twofold: on one hand we have introduced methods that are independent of the document's content and, on the other hand, we have proposed methods based on the content that combine statistical learning algorithms and contextual, stylistic and linguistic features.Les travaux de recherche présentés dans ce mémoire s'intéressent au dé\-ve\-lop\-pe\-ment de méthodes d'apprentissage pour l'étude des interactions utilisateurs selon trois principaux niveaux. En premier lieu, nous nous sommes intéressés à l'analyse des interactions utilisateurs sous la forme de traces d'usage. Nous avons développé pour cela des méthodes de clustering incrémentales qui autorisent le passage à l'échelle ainsi que le traitement de flux de données. Contrairement aux approches existantes, nos méthodes ne sont pas limitées au traitement de données numériques et sont couplées à des outils de recherche de parcours typiques et de visualisation dynamique pour faciliter l'interprétation des analyses. En second lieu, nous nous sommes intéressés aux méthodes de clustering semi-supervisé qui permettent l'intégration de connaissances expertes dans le processus de construction des clusters. Dans ce cadre, nous avons notamment proposé des algorithmes actifs qui optimisent les interactions de l'expert avec l'algorithme d'apprentissage pour en améliorer les performances. Enfin, nous nous sommes intéressés au problème de l'extraction automatique de métadonnées à partir de corpus structurés dans le cadre de la recherche d'information. La spécificité de ces travaux est double : d'une part nous avons introduit des méthodes indépendantes du contenu et d'autre part, nous avons proposé des méthodes basées sur le contenu qui combinent apprentissage statistique et descripteurs contextuels, stylistiques et linguistiques
Mesure d'audience sur Internet par population de fourmis artificielles
No full textNational audienceNous présentons dans ce travail un outil pour la mesure d’audience sur Internet, reposant sur l’extraction de profils de navigation représentatifs de l’activité des internautes sur les sites. Ces profils sont obtenus par l’application d’un algorithme de classification non supervisée – inspiré du système de reconnaissance chimique des fourmis – sur des sessions de navigations construites à partir des fichiers log du site étudié. Cet algorithme de classification a été associé à une représentation multimodale des sessions utilisateurs permettant d’employer l’ensemble des informations à disposition dans les fichiers log (impacts sur les pages, heure de connexion, durée, séquence des pages, …), ainsi qu’à une mesure de similarité adaptée pour créer les profils de chacun des clusters obtenus. Il reste cependant d’autres modalités (basées sur le contenu des documents accédés) qui pourraient améliorer la capacité de l’outil à donner du sens aux profils découverts
Learning Web Users Profiles With Relational Clustering Algorithms
No full textInternational audienceIn the context of web personalization and dynamic content recommendation, it is crucial to learn typical user profiles. Although there exists several approaches to mine user profiles (such as association rules or sequential patterns extraction), this paper focuses on the application of relational clustering algorithms on web usage data to characterize user access profiles. These methods rely on the definition of a distance (or dissimilarity) measure between user sessions and thus can carry more information (content, sequence of page views, context of navigation) than simple transactions. Moreover, as web user sessions are often noisy, uncertain or inaccurate (because of proxy web server, local browser cache and sessions building heuristics), we propose to use two clustering algorithms: the leader Ant clustering algorithm that is inspired by the chemical recognition system of ants and a new variant of the fuzzy C Medoids. The paper also describes the similarity measures used to compare these algorithms with the traditional fuzzy C Medoids on real web usage data sets from French museums. The evaluation is conducted according to the quality of the output partitions and the interpretability of each cluster based on its content
- …
