Bonjour ;
J'ai le plaisir de vous inviter à assister à la soutenance de ma thèse ainsi qu'au pot qui suivra.
La soutenance aura lieu le Jeudi 24 janvier 2013 à 10h00 précises au Centre de Production Multimédia (CPM), la "grande salle" qui se situe au RDC du bâtiment Atrium dans le couloir jaune Porte « Entrée 2 ». Le pot aura lieu au Hall d'accueil d'Atrium.
Le titre du mémoire est :
Recommandation multidimensionnelle d'émissions télévisées par apprentissage, une interface de visualisation intelligente pour la télévision numérique
M. Jean-Gabriel GANASCIA, Professeur, UPMC, Directeur de thèse
M. Mokrane BOUZEGHOUB, Professeur, Université de Versailles, Rapporteur
M. Fabrice GUILLET, Professeur, Université de Nantes, Rapporteur
M. Jean-Daniel ZUCKER, Directeur de recherche, IRD, Examinateur
M. Jean-Paul SANSONNET, Directeur de recherche, CNRS, Examinateur
M. Patrice PERNY, Professeur, UPMC, Examinateur
M. William TURNER, Ingénieur de recherche hors classe, LIMSI, Examinateur
Résumé :
Le sujet central de cette thèse est l'élaboration d'un Système de Recommandation interfacé par une cartographie interactive des contenus télévisés.
Ce système fut réalisé dans le cadre du projet ANR, nommé BUIS, durant la période 2006-2009.
Pour ce faire, nous avons choisi d'utiliser un Système de Recommandation basé sur le contenu et l'avons adapté au domaine télévisuel. Cette adaptation s'est effectuée lors de plusieurs étapes spécifiques. Nous avons particulièrement travaillé le traitement des métadonnées associées aux contenus télévisés, en développant un système expert capable de nous fournir une catégorisation inédite des émissions télévisées.
Nous avons également pris l'initiative de modéliser et d'intégrer le contexte d'usage télévisuel dans notre modélisation d'environnement télévisuel. L'intégration du contexte nous a permis d'obtenir une représentation suffisamment fine et stable de cet environnement, nous permettant ainsi la mise en place de notre système de recommandation.
La catégorisation approfondie des métadonnées associées aux contenus télévisuels et la modélisation & l'intégration du contexte d'usage télévisuel constituent la contribution principale de cette thèse.
Pour évaluer/améliorer nos développements, nous avons installé un parc de neuf foyers repartis selon trois types spécifiques de familles. Cela nous a donné les moyens d'évaluer l'apport de nos travaux au confort d'usage télévisuel dans de réelles conditions d'utilisation.
Par une approche implicite, nous avons appréhendé le comportement télévisuel des familles (impliquées dans notre projet) vis-à-vis des contenus télévisés. Un analyseur syntaxico-sémantique nous a fourni une mesure graduelle d'intérêts portés aux contenus, et ce pour chaque famille.
Notre système de recommandation, basé sur le contenu et assisté par apprentissage (notamment l'apprentissage par renforcement), nous a fourni des résultats parmi les plus optimaux de la communauté scientifique du domaine.
Il est à préciser que nous avons également élaboré une interface cartographique interactive basée sur l'idée d' « île de mémoire » pour que l'interfaçage interactif soit en adéquation avec le Système de Recommandation mis en place.
Mots clés :
Système de Recommandation multidimensionnelle, Environnement télévisuel, Apprentissage automatique, Catégorisation des émissions télévisées, Interface Intelligente, Apprentissage par renforcement, EPG Guide électronique des Programmes, Télévision numérique
Title:
Multidimensional television programs Recommendation by Machine Learning, an EPG Intelligent visualization interface for digital television
Abstract:
Due to the wealth of entertainment contents provided by Digital Mass Media and in particular by Digital Television (satellite, cable, terrestrial or IP), choosing a program has become more and more difficult. Far from having a user-friendly environment, Digital Television (DTV) users face a huge choice of content, assisted only by off-putting interfaces named classical "Electronic Program Guide" EPG. That makes users' attention blurry and decreases their active program searching and choice.
The central topic of this thesis is the development of a Recommendation System interfaced mapping interactive TV content.
To do this, we chose to use a Recommendation System based on the content and have adapted to the field of television. This adaptation is carried out at several specific steps. We especially worked processing metadata associated with television content and developing an expert system can provide us with a unique categorization of television. We also took the initiative to model and integrate the context of use in our television viewing environment modeling. The integration of context allowed us to obtain a sufficiently fine and stable in this environment, allowing us to implementing our recommendation system.
Detailed categorization of metadata associated with television content and modeling & integration of context of use television is the main contribution of this thesis.
To assess / improve our developments, we installed a fleet of nine homes left in three specific types of families. This has given us the means to assess the contribution of our work in ease of use television in real conditions of use. By an implicit approach, we apprehended the behavior of television families (involved in our project) vis-à-vis television content. A syntactic-semantic analyzer has provided a measure of gradual interest thereon to the content, for each family.
We have also developed an interactive mapping interface based on the idea of "Island of memory" for the interactive interface is in line with Recommendation System in place.
Our recommendation system based on content and assisted learning (reinforcement learning), has provided us with the most optimal results to the scientific community in the field.
Fouladi Karan
Equipe ACASA, LIP6-CNRS
Université Pierre et Marie Curie
4, place Jussieu, boîte courrier 169
75252 Paris CEDEX 05, France
