Tuesday, 23rd of April
14h30 (room R2014, 660 building) (see location)Julien Hay & Bich-Liên Doan
(CentraleSupelec/LRI)Title: Personnalisation de la recommandation d’articles d’actualité
Abstract
Les systèmes de recommandation sont un sous-domaine de la recherched’information, et sont souvent apparentés aux méthodes de filtrage
collaboratif. La recommandation d'articles d'actualité est une tâche
complexe du fait que les items les plus pertinents sont les items les
plus récents, et qu'il est nécessaire d'exploiter le contenu textuel
pour la recommandation. Aujourd’hui, le filtrage collaboratif échoue
dans la recommandation des articles d’actualité car il ne prend pas en
compte les interactions entre utilisateurs et nouveaux articles
d’actualité : c’est le problème de l’item cold-start. Un des verrous
scientifiques de ce domaine est de pouvoir exploiter au maximum les
méthodes reposant sur le contenu grâce aux indices sémantiques et
structurels susceptibles de jouer un rôle dans les préférences de
l'utilisateur.
Les techniques issues du domaine du traitement automatique du langage
naturel sont encore très peu exploitées en recherche d'information. Les
techniques permettant de représenter le texte dans un espace sémantique
se trouvent être adaptées à une recommandation reposant sur le contenu
(Word / Document Embedding, Deep Learning).
Nous essayons de répondre à la question de recherche suivante : est-il
possible d'améliorer des recommandations d'article d'actualité en
exploitant la similarité stylométrique ? Autrement dit : les
utilisateurs ont-ils des préférences de style dans leur lecture
d’articles d'actualité ?
Pour cela, nous exploiterons des données que nous avons récoltées,
constituées des articles partagés sur Twitter. En plus des Tweets
disponibles dans le jeu de données, nous avons récolté les articles
d'actualité partagés par les utilisateurs.
Contact: guillaume.charpiat at inria.fr
All TAU seminars: here