UE (6 ECTS) : Analyse de données sociales et personnalisation de l’information
Responsables : Yoann Pitarch et Lynda Tamine-Lechani
Répartition : C/TD/TP : 40%, 30%, 30%
Objectifs
Des masses d’informations sont de plus en plus accessibles aux utilisateurs à travers une large gamme de sources hétérogènes : web, smartphones, média sociaux, capteurs, etc. Ces informations (nouvelles, opinions, ..) contenues dans des supports (journaux, tweets, blogs, documents classiques,..) sont de plus, accédées et exploitées par des profils d’utilisateurs de plus en plus diversifiés (profils métiers, niveau d’expertise, intérêts, communauté, etc.). Ces utilisateurs interagissent de plus avec le système (tags, posts, ..) de façon individuelle ou en communautés comme dans le cas des réseaux sociaux. Ces différents facteurs engendrent des problèmes comme la difficulté pour un utilisateur d’accéder spécifiquement aux informations qui lui sont utiles en considérant son profil; il est alors opportun d’exploiter ces masses d’informations afin de recommander des services, produits ou informations, identifier des communautés, analyser de tendances ou d’évènements, fouiller des opinions, etc. autant de services qui permettent de dédier le fonctionnement des systèmes à des utilisateurs et/ou communautés en réduisant ainsi virtuellement l’échelle des informations. L’objectif de ce cours est de fournir des outils théoriques et pratiques pour l’analyse, le traitement, l’accès aux masses d’informations et la transformation de ces données et informations « en connaissances actionnables »
Pré-requis
Modèles théoriques de la recherche d’information (partie de l’UE en M1): modèles théoriques (vectoriel, probabiliste, thématique, basé sur l’apprentissage automatique)
L’UE est composée de 2 matières à 3 ECTS chacune
----------------------------------------------
Matière1 : 3 ECTS
Titre de la matière : Analyse de données sociales
1. Introduction
Médias sociaux : Web2.0, Réseaux sociaux, contenus sociaux, fouille, analyse des réseaux, contenus
Analyse structurelle des réseaux sociaux
Outils graphes pour l’analyse des réseaux (centralité, PageRank, HITS, autorité, …)
Exploitation : détection de communautés, détection de leaders
3. Analyse de contenus sociaux
o Outils théoriques: Extraction d’information (analyse statistique de textes, Topics model, …)
Analyse d’opinions, de tendance, détection de spams/faux avis/comptes piratés
Exploitation des signaux sociaux (usages, log) (dans les applications)
4. Modèles d’accès complexes
Agrégation de contenus
Prise en compte de la dynamicité dans les médias sociaux (flux de tweet, …)
-----------------
M2 : 3 ECTS
Titre de la matière : Recommandation et personnalisation de l’information
Introduction (applications grand public, problèmes méthodologiques)
Approches génériques de recommandation/personnalisation
Accès personnalisé à l’information
Types de profils personnels (centre d’intérêt (préférences), spatio-temporel, social)
Construction et représentation des contextes
- Ressources (ontologies, wiki)
- Modes de construction/représentation de profil (vectoriel, réseaux, sémantique)
Techniques d’accès personnalisé à l’information (reformulation personnalisée de requête, réordonnancement personnalisé des résultats)
Evaluation : protocoles (benchmarks, études simulées, étude utilisateur, analyse de logs) et métriques (qualitative, quantitative)
Recommandation de l’information
Recommandation basée sur le contenu (items, profils utilisateurs)
Recommandation basée sur le filtrage collaboratif (basé mémoire, basé modèle)
Evaluation : protocoles et métriques
Ouvrages de références :
Web Data Mining : Exploring Hyperlinks, Contents, and Usage Data (Springer) par Bing Liu
Social Network Analysis: Methods and Applications par Stanley Wasserman et Katherine
Recommender systems, an Introduction, Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich, Cambrige University press, 2015
Compétences
Maîtriser les outils de base pour la personnalisation d’information dans un contexte individuel et/ou social ainsi que les outils pour l’analyse et fouille d’informations sociales
Mots-clés
Utilisateur, personnalisation, recommandation, fouille de graphes, analyse de communautés, réseaux sociaux, données sociales