Analyse des données évolutives de l''usage du Web

Le nombre d'accès aux pages Web ne cesse de croître. Le Web est devenu l'une des plates-formes les plus répandues pour la diffusion et la recherche d'information. Par conséquent, beaucoup d'opérateurs de sites Web sont incités à analyser l'usage de leurs sites afin d'améliorer leur réponse vis-à-vis des attentes des internautes. Or, la manière dont un site Web est visité peut changer en fonction de divers facteurs. Les modèles d'usage doivent ainsi être mis à jour continuellement afin de refléter fidèlement le comportement des visiteurs. Ceci reste difficile quand la dimension temporelle est négligée ou simplement introduite comme un attribut numérique additionnel dans la description des données. Nous proposons une nouvelle approche de détection et suivi des profils d'usage des internautes. Cette approche caractérise le type de changement subi par les profils (apparition, disparition, fusion, scission) et applique deux indices de validation basés sur l'extension de la classification pour mesurer le niveau des changements repérés à chaque pas de temps. Les travaux décrits dans cet ouvrage ont reçu le prix Simon Régnier attribué par la Société Francophone de Classification en 2010.

Autorentext

Docteur en informatique. Thèse de doctorat de l''Université Paris IX Dauphine. Post-doctorat à Télécom Paris Tech. Ancien membre de l''équipe AxIS de l''INRIA et du BILab (Business Intelligence Laboratory) de Télécom Paris Tech et EDF R&D. Domaines de recherche : machine learning, data mining, data streams, databases, cloud computing et smart grids.

Klappentext

Le nombre d''accès aux pages Web ne cesse de croître. Le Web est devenu l''une des plates-formes les plus répandues pour la diffusion et la recherche d''information. Par conséquent, beaucoup d''opérateurs de sites Web sont incités à analyser l''usage de leurs sites afin d''améliorer leur réponse vis-à-vis des attentes des internautes. Or, la manière dont un site Web est visité peut changer en fonction de divers facteurs. Les modèles d''usage doivent ainsi être mis à jour continuellement afin de refléter fidèlement le comportement des visiteurs. Ceci reste difficile quand la dimension temporelle est négligée ou simplement introduite comme un attribut numérique additionnel dans la description des données. Nous proposons une nouvelle approche de détection et suivi des profils d''usage des internautes. Cette approche caractérise le type de changement subi par les profils (apparition, disparition, fusion, scission) et applique deux indices de validation basés sur l''extension de la classification pour mesurer le niveau des changements repérés à chaque pas de temps. Les travaux décrits dans cet ouvrage ont reçu le prix Simon Régnier attribué par la Société Francophone de Classification en 2010.