Moteurs de recommandation
Recommandations intelligentes, sémantiques et personnalisées
En matière de recommandation, les entreprises tiennent à offrir à leurs clients une expérience utile et pertinente. Or, de trop nombreux moteurs du domaine génèrent des propositions inexploitables, avec une profusion de résultats qui ne tiennent pas compte des préférences de l’utilisateur.
Pour amener les moteurs de recommandation à un niveau supérieur, Umanis Research & Innovation élabore sur-mesure des systèmes apprenants et intelligents, capables de proposer à l’utilisateur des réponses qui correspondent vraiment à sa recherche et à son contexte.
Les enjeux au cœur de recommandations pertinentes
Pour aboutir à des résultats pertinents, un système de recommandation doit être capable d’analyser la relation entre les utilisateurs et les éléments avec lesquels ils interagissent (produits, services, informations, etc.). Ainsi, le système doit savoir utiliser les données des utilisateurs afin d’évaluer, de sélectionner et de présenter des résultats personnalisés, en fonction du contexte et des préférences de la personne.
Pour y parvenir, il importe de pouvoir instiller de nouvelles approches d’interrogation dans les moteurs de recherche et de doter les systèmes de recommandation des techniques d’IA les mieux adaptées au cas d’usage. C’est pourquoi concevoir des moteurs qui soumettent des réponses et des propositions intelligentes, sémantiques et personnalisées demande aujourd’hui de maîtriser plusieurs expertises en data et en intelligence artificielle.
Notre vision
Umanis Research & Innovation travaille sur la mise en place de nouvelles approches de recommandation à base de techniques d’IA, telles les approches content-based, collaborative filtering, hybride, etc.
Ces nouvelles approches de recommandation répondent non seulement aux enjeux d’achat/vente de produits et services, mais s’appliquent aussi à d’autres secteurs (banque, assurance, soins de santé, éducation, tourisme et loisirs, recrutement, par exemple). Ainsi, nous aidons les entreprises à mettre à disposition de leurs clients des systèmes de conseil personnel dans tous les domaines du quotidien.
Notre offre de systèmes de recommandation
Nous intervenons dans le conseil en innovation et dans la réalisation de proof-of-concepts en phase amont des projets. Nous concevons des systèmes de recommandation pilotés par les données, avec des algorithmes issus de plusieurs domaines de l’IA tels que :
Le NLP pour analyser les sentiments dans les textes (commentaires, avis, feedbacks…) ;
Le Computer Vision pour analyser le contenu des vidéos et des images visionnées par l’utilisateur et extraire des caractéristiques qui aident à améliorer la recommandation ;
Le deep learning pour améliorer la précision des modèles de prédiction (en tirant parti des Big Data, de l’IoT, des réseaux sociaux...) ;
L’inférence floue pour mieux comprendre les besoins utilisateur et pour améliorer son expérience (UX).
Notre valeur ajoutée
Notre équipe de docteurs en informatique conçoit des solutions qui améliorent concrètement les réponses et les propositions. À chaque solution, les techniques et les approches du moteur de recommandation sont validées par proof-of concept, pour ouvrir la voie à une industrialisation fiable.
Nos recherches et nos projets font régulièrement l’objet de conférences et publications scientifiques d’envergure internationale, à l’exemple de notre projet TeamBuilder, moteur de recommandation de CV scorés et ordonnés à l'analyse sémantique du patrimoine informationnel d'une société
Parmi nos autres publications :
Personalized queries under a generalized user profile model based on fuzzy SPARQL preferences
Learning Fuzzy SPARQL User Preferences