Recherche textuelle et Recommandation par le contenu

Porteur
Patrice Bellot
Professeur des Universités Aix-Marseille Université - CNRS LSIS - OpenEdition

Description

Proposer un système de recommandation de contenus nécessite l’intégration d’un grand nombre de briques logicielles en recherche d’information, analyse de contenu, fouille de textes. Ce groupe de travail concernera la présentation de quelques unes de ces briques et de leur impact sur la recommandation de contenus, notamment à partir de requêtes utilisateur longues et complexes.

Depuis quelques années des campagnes d’évaluation des systèmes de recommandation sont organisées. Elles permettent d’avoir une vue détaillée sur les paramètres importants pour aboutir à des recommandations de qualité.

Mots clés - Recommandation automatique - Recherche d'information - Filtrage collaboratif - Traitement Automatique du Langage Naturel - Analyse de sentiments - Environnements et données d'évaluation

Liens

• Blogs: OpenEdition Lab

• Plateformes logicielles:
  • Recherche d'information: Apache Lucene Solr, Indri Lemur, Terrier
  • Apprentissage automatique: Apache Mahout, Weka, Tensor Flow
  • Automates symboliques, traitement de corpus : Unitex/GramLab
  • Analyse automatique de citations: BILBO

• Campagnes d'évaluation: TREC, CLEF Initiative, Semantic Evaluation, DEFT Défi fouille de textes

• Ressources:
  • European Research Infrastructure for Language Resources and Technology CLARIN
  • Outils et Ressources pour un Traitement Optimisé de la LANGue ORTOLANG
  • Infrastructure pour les SHS Huma-Num