Influence indépendante et explicabilité de l’exploration et de l’exploitation dans les métaheuristiques

Independent Influence and Explicabilityof Exploration and Exploitationin Metaheuristics

• Auteur / Autrice : Alexandre Bettinger
• Direction : Armelle Brun, Anne Boyer
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 14/12/2022
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Vincent Chevrier
• Jury : Examinateurs / Examinatrices : Armelle Brun, Anne Boyer, Laetitia Jourdan, Laurent Vercouter, Tassadit Amghar
• Jury : Rapporteurs / Rapporteuses : Laetitia Jourdan, Laurent Vercouter

Mots clés

Mots clés contrôlés

Théorie de la connaissance

Reproductibilité (sciences)

Analyse des données

Exploration de données

Systèmes de recommandation (informatique)

Métaheuristiques

Mots clés libres

Métaheuristique

Recommandation

Exploration

Exploitation

Influence

Explicabilité

Metaheuristic

Recommendation

Exploration

Exploitation

Influence

Explicability

Résumé

La recommandation est le fait de filtrer des informations afin de cibler des éléments (items, ressources) susceptibles d'intéresser un ou plusieurs utilisateurs. Dans le cadre des manuels scolaires numériques, les items sont des ressources éducatives (leçon, exercice, chapitre, vidéo et autres). Cette tâche peut être vue comme le traitement d'un vaste espace de recherche qui représente l'ensemble des recommandations possibles. Selon le contexte de la recommandation, une recommandation peut prendre différentes formes telles que des items, des ensembles d'items (itemsets) ou des séquences d'items. Notons que les environnements de recommandation peuvent être soumis à de nombreux aléas et contraintes de recommandation. Dans ce travail de thèse, nous nous intéressons à la recommandation d'itemsets (également appelés vecteurs ou solutions) par les métaheuristiques. Les problématiques de cette thèse s'intéressent à l'influence de l'exploration et de l'exploitation, à la réduction de données ainsi qu'à l'explicabilité de l'exploration et de l'exploitation.

Recommendation is the act of filtering information to target items (resources) that may be of interest to one or more users. In the context of digital textbooks, items are educational resources (lesson, exercise, chapter, video and others). This task can be seen as processing a large search space that represents the set of possible recommendations. Depending on the context of the recommendation, a recommendation can take different forms such as items, itemsets or item sequences.Note that recommender environments can be subject to a number of randomness and recommendation constraints.In this thesis, we are interested in the recommendation of itemsets (also called vectors or solutions) by metaheuristics.The issues of this thesis are interested in the influence of exploration and exploitation, in data reduction and in the explicability of exploration and exploitation.