Job: Stage Master 2 Recherche, Exploitation des reseaux sociaux pour l'amelioration de la relation client-entreprise

[Thierry Hamon]

Date: Mon, 13 Feb 2012 22:03:21 +0100
From: Armelle Brun <armelle.brun at loria.fr>
Message-Id: <431F0CDF-F2B1-44FF-A613-8742CC3E32AD at loria.fr>



-------------------------

L'équipe KIWI (Knowledge, Information and Web Intelligence) du
laboratoire Loria (laboratoire lorrain de recherche en informatique et
ses applications) du Loria (Laboratoire lorrain de recherche en
informatique et ses applications) propose un stage de Master 2
recherche, dans le domaine des réseaux sociaux, de la détection
d'opinions et de la e-reputation.  Gratification : 2500 euros pour 6
mois de stage. Poursuite en thèse possible.

Sujet :  Apport des réseaux sociaux pour une meilleure relation client.
Encadrement : Anne Boyer – Professeur, Equipe KIWI, LORIA -
Anne.Boyer at loria.fr et Armelle Brun - Maître de conférences, Equipe
KIWI, LORIA - Armelle.Brun at loria.fr 

Contexte et Problématique

La garantie de la rentabilité des entreprises passe par une bonne
communication et propagation de l’information en interne et avec leurs
clients et leurs clients potentiels (prospects).

Les réseaux sociaux d’entreprise (RSE) sont un nouveau moyen de
favoriser la communication et la propagation d’informations au sein des
entreprises. Si ces réseaux sont en général destinés à un usage interne
aux entreprises, ils peuvent aussi être étendus à leurs clients. Dans ce
cadre, les RSE peuvent interagir avec d’autres services comme les
réseaux sociaux publics (RS) tels que Twitter ou Facebook (en exploitant
les données disponibles sur les utilisateurs). Via cette interaction,
l’entreprise cherche non seulement à mieux connaître ses clients mais
aussi à savoir ce qui se dit d’elle à l’extérieur et ainsi réagir pour
une meilleure efficacité.

La mise en place de connexions entre les réseaux sociaux (RS) et les
réseaux sociaux d'entreprise (RSE) permet donc non seulement de faire
émerger un nouveau mode de communication entre l'entreprise et ses
clients. Elle permet également à l'entreprise d'être à l'écoute de ce
qui se dit d'elle et ainsi proposer des offres adéquates à de futurs
clients.

Déroulement du stage

Le stage débutera par la réalisation d'un état de l'art sur l'analyse de
réseaux sociaux, la diffusion de l'information dans les réseaux sociaux
et dans les graphes et la détection d'opinions et de communautés
d'opinions.

Suite à cet état de l'art, l'étudiant s'intéressera à la définition d'un
modèle permettant de déterminer automatiquement, dans les réseaux
sociaux ou dans les blogs, l'activité autour d'une entreprise : ce qui
se dit d'elle. Un prototype de ce modèle devra être réalisé.

L'étudiant se penchera également sur  la détermination de l’information
pertinente à diffuser sur ces réseaux : quelle information diffuser ?
sur quel réseau la diffuser ? à quelles personnes précisément la
diffuser ? L'évaluation se fera par analyse des "retours" des
utilisateurs :  au travers de l’observation et de l’analyse des actions
(traces d’usage) que les clients entreprendront suite à la diffusion de
cette information : usage mining.     

Ce stage  s’appuie sur les compétences et l’expérience de l’équipe dans
les domaines comme la personnalisation [1], la modélisation utilisateurs
[2], de la détection de communautés dans les réseaux et les réseaux
sociaux de grande taille [3], la recherche de leaders dans des réseaux
[4][5], etc. 



Profil recherché
M2 Recherche informatique ou école d'ingénieurs
Bonnes notions en apprentissage automatique
Bonnes connaissances en programmation java
Bon niveau en anglais

Références bibliographiques

[1] Modélisation de comportements et apprentissage stochastique non
supervisé de stratégies de recherche et d’accès à
l’information. Castagnos S. Thèse de l’Université Nancy 2, novembre
2008.

[2]  Compass to Locate the User Model I need: Building the Bridge
between Researchers and Practitioners in User Modeling. Brun A., Boyer
A., Razmerita L. User Modeling, Adaptation and Personalization - UMAP
2010, États-Unis (2010).

[3] From Community Detection to Mentor Selection in Rating-Free
Collaborative Filtering. Brun A., Castagnos S., Boyer A. Advances in
Multimedia Journal (2011) .

[4]  Social recommendations : mentor and leader détection to alleviate
the cold-start problem in collaborative filtering. Brun A, Castagnos, S
and Boyer A. in Social Network Mining, Analysis and Research trends :
Techniques and Applications (2011).

[5] Detecting Leaders to alleviate Latency in Recommender
Systems. Esslimani I., Brun A., Boyer A. International Conference on
Electronic Commerce and Web Technologies, Espagne (2010) 


Contact : Anne Boyer (anne.boyer at loria.fr) et Armelle Brun
(armelle.brun at loria.fr). Les personnes intéressées par le sujet devront
envoyer par mail un CV, un relevé de notes et une lettre de motivation.

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN at cines.fr>
Informations, abonnement : http://www.atala.org/article.php3?id_article=48
English version       : 
Archives                 : http://listserv.linguistlist.org/archives/ln.html
                                http://liste.cines.fr/info/ln

La liste LN est parrainee par l'ATALA (Association pour le Traitement
Automatique des Langues)
Information et adhesion  : http://www.atala.org/
-------------------------------------------------------------------------