Laurent Candillier Français né en 1978 lcandillier@hotmail.com 1 Présentation rapide Expert Conseil en Recherche & Développement Informatique, agréé par le Ministère de l Enseignement Supérieur et de la Recherche Docteur en Informatique, spécialité Apprentissage Automatique (Machine Learning), Fouille de Données (Data Mining) et Systèmes de Recommandations (Recommender Systems) Connaissances avancées aussi en Recherche d Information (Information Retrieval) et Traitement Automatique des Langues (Natural Language Processing) Enseignant tous niveaux, spécialité Informatique et Mathématiques Trilingue Français, Espagnol, Anglais 2 Cursus général 2013-2015 : Expert Conseil en R&D Informatique, TokTokTok, France Consultants, SonetIN, Refactor... 2010-2012 : Responsable R&D, Nomao (moteur de recherche géolocalisé personnalisé), Toulouse 2006-2007 : Post-doctorat (systèmes de recommandations), France Telecom R&D, Lannion 2003-2006 : Doctorat informatique (clustering), laboratoire GRAppA, université de Lille 3 / CIFRE / société Pertinence, Paris 2001-2002 : Doctorat informatique (profiling), laboratoires LIFL / GRAppA, université de Lille 1 1999-2001 : Master informatique, mention assez bien, université de Lille 1 et Aston University, Birmingham, Angleterre 1996-1999 : Licence informatique, mention assez bien, université de Lille 1 1995-1996 : Terminale Scientifique, mention bien, lycée Gambetta, Tourcoing 1
3 Travaux de recherche La problématique générale de l ensemble des travaux de recherche que j ai menés s inscrit dans le cadre de l Apprentissage Automatique (ou Machine Learning), qui constitue la thématique centrale du laboratoire GRAppA de l université de Lille 3 dans lequel j ai démarré en stage de Master 2. Le sujet connexe de la Fouille de Données (Data Mining) a été au centre des recherches menées en collaboration avec la société Pertinence à Paris. Je me suis ensuite expertisé dans le domaine des Systèmes de Recommandations au sein de l équipe Profiling and Data Mining de France Telecom R&D à Lannion. Puis mes intérêts de recherche se sont élargis aux domaines de la Recherche d Information (RI) et du Traitement Automatique des Langues (TAL) au sein de l équipe R&D de Nomao à Toulouse. Je suis maintenant Expert Conseil dans ces différents domaines de recherche, et accompagne ainsi des sociétés comme TokTokTok, France Consultants, SonetIN, Refactor, Ebuzzing ou OverBlog dans l élaboration de leurs projets de R&D et la mise en place et l étude de leurs algorithmes intelligents. Dans un premier temps, j ai travaillé sur l apprentissage automatique de profils de lecteurs (rapport technique n 24). L objectif de cette étude consistait à aider les lecteurs de sites d informations en ligne à cibler au mieux l information qui les intéresse. Nous avons identifié pour cela deux approches intéressantes et complémentaires, relevant respectivement du filtrage collaboratif et du profilage. Dans le premier cas, un profil utilisateur consiste en un ensemble de notes sur un ensemble de pages déjà visitées, et dans l autre cas, le profil est thématique et déduit du contenu textuel des pages visitées. Lors de mon stage de Master, nous nous sommes concentrés principalement sur la première approche. J ai d abord développé une méthode permettant la génération automatique de notes d utilisateurs sur les pages parcourues, à partir des informations contenues dans les fichiers de logs des sites concernés. Puis j ai développé plusieurs méthodes de filtrage collaboratif, ainsi que d autres méthodes n utilisant aucune notion de profil, et les expérimentations ont alors montré l intérêt de la création de tels profils pour aider à déterminer l intérêt d un visiteur donné pour une page donnée non encore visitée. Initialement soutenue par la société Rosebud, cette étude a été poursuivie en thèse. J ai alors développé la seconde approche basée sur le profilage. Nous avons ainsi constaté son intérêt et avons observé sa complémentarité avec la première approche. Nos premières expérimentations visant à combiner les deux approches se sont alors avérées très prometteuses. Malheureusement, suite à un problème interne à la société Rosebud, cette recherche de thèse a rapidement été interrompue. Notons enfin qu une autre piste envisagée dans ce cadre était de créer des communautés de lecteurs ayant les mêmes centres d intérêt. On passe alors dans le domaine de la classification non supervisée, ou clustering. C est ce domaine du clustering qui a constitué la base des travaux que j ai ensuite mené dans le cadre de ma thèse. L objectif général du clustering est d identifier, dans un ensemble de données, des groupes aux caractéristiques similaires. Nous nous sommes intéressés particulièrement aux cas où certains attributs composant les données ont plus ou moins d importance dans la formation de certains groupes, c est-à-dire aux cas où tous les attributs ne sont pas forcément utiles et où ces attributs pertinents ne sont pas nécessairement les mêmes d un groupe à l autre. Une première méthode, appelée Tuareg, a ainsi été mise en œuvre (publication n 16). Dans l esprit, l approche est comparable à celle de l arbre de décision C4.5 en apprentissage supervisé : il s agit de repérer à chaque étape l attribut permettant le partitionnement le plus pertinent pour le groupe de données considéré, et d itérer ce processus jusqu à ce que plus aucun groupe ne soit amélioré par découpage. 2
Cependant, dans certains cas, fractionner l ensemble des données en considérant les attributs indépendamment les uns des autres n est pas suffisant. Nous avons donc proposé une autre méthode appelée SSC, basée sur l utilisation de modèles statistiques et d une méthode originale permettant de fournir un résultat compréhensible (publications n 5, 15 et 23). Cette méthode a par ailleurs été adaptée pour faire face à des données présentées sous forme d arbres, des expérimentations à grande échelle ayant ainsi été menées lors du challenge INEX portant sur les données XML (publications n 8 et 21). Elle s est alors avérée très efficace, même face à des données bruitées, et en particulier pour fournir des résultats compréhensibles. Puis nous avons étendu la méthode, alors appelée SuSE, pour ajouter une phase de sélection rigide des attributs les plus pertinents pendant l apprentissage (publications n 13 et 17). Ces travaux ayant été soutenus par la société Pertinence, ils ont finalement donné lieu à un prototype utilisable dans le logiciel développé par la société. Enfin, nous nous sommes également attaqué, lors de cette recherche en thèse, à la problématique ouverte importante de l évaluation et de la comparaison d algorithmes de clustering. La nouvelle méthode que nous avons proposée dans ce cadre, appelée évaluation en cascade (publications n 4, 7, 14 et 18), consiste à comparer les résultats d un algorithme supervisé lorsqu il est (ou pas) aidé par de l information issue d un algorithme de clustering. Ainsi, si les résultats de l algorithme supervisé sont améliorés lorsqu il utilise de l information fournie par un algorithme de clustering, alors cela signifie que cette information est nouvelle et utile, ce qui permet de caractériser objectivement l intérêt du clustering. Ces travaux ont donné lieu à une thèse intitulée Contextualisation, Visualisation et Évaluation en Apprentissage Non Supervisé, rapportée par les Professeurs Edwin Diday et Gérard Govaert, et soutenue le 15 septembre 2006 à l université Charles de Gaulle de Lille 3, devant le jury composé des Professeurs Rémi Gilleron, Edwin Diday et Gérard Govaert, des Maîtres de Conférence Isabelle Tellier et Fabien Torre, et du chercheur Olivier Bousquet (rapport n 22). À la suite de cette thèse obtenue avec la mention très honorable, j ai effectué un post-doctorat à France Telecom R&D sur les systèmes de recommandations. Nos travaux initiaux ont porté sur l étude de l état de l art et l expérimentation des méthodes principales de filtrage collaboratif. La publication n 3 fournit ainsi une vue générale clarifiée de l existant dans ce domaine, mettant en avant les avantages et inconvénients de chaque approche, ainsi que certaines options qui ont mené à l obtention de meilleurs résultats sur un jeu de données réel souvent utilisé comme référence dans la littérature : MovieLens. La publication suivante n 2, quant à elle, met en avant l intérêt de mettre en place des mesures de similarité spécifiques pour le cadre de données creuses comme celles qui sont gérées en filtrage collaboratif. Les expérimentations ont été menées sur deux jeux de données de référence : MovieLens et Netflix. Ce deuxième ayant une taille cent fois supérieure à celle du premier, il soulève également les problématiques de tenue de charge des algorithmes implémentés. Enfin, la publication n 20 offre un tour d horizon large du sujet, abordant également l importante problématique des interactions des systèmes avec les utilisateurs. Ces travaux ont débouché sur la livraison d un moteur générique très performant. Nommé ensuite responsable de la Recherche & Développement chez Nomao, moteur de recherche géolocalisé personnalisé, mes centres d intérêt se sont élargis aux thématiques de la Recherche d Information et du Traitement Automatique des Langues. La publication n 12 fournit un tour d horizon des problématiques scientifiques qui régissent le développement de Nomao : extraction et structuration de contenu local, interprétation de requête et recherche d information, classement de résultats, personnalisations et recommandations. Les publications n 9, 10 et 19 abordent ensuite plus précisément nos travaux menés en Apprentissage Automatique, Traite- 3
ment Automatique des Langues et Systèmes de Recommandations. En collaboration avec l Institut de Recherche en Informatique de Toulouse (IRIT), nous avons mené une recherche de thèse sur le thème du Learning-to-rank dans le cadre de la géolocalisation et de la personnalisation (publication n 11), et une autre sur le thème de la Détection des Mouvements d Information. Cette deuxième étude, menée avec OverBlog, membre du groupe Ebuzzing, nous a conduit à nous pencher sur la problématique complexe de la recherche de diversité dans les systèmes de recommandations (publication n 1). En collaboration avec Orange Labs, nous avons également organisé un atelier et un challenge au sein de la conférence internationale ECML-PKDD 2012 : ALRA : Active Learning in Real-world Applications (publication n 6). Je suis maintenant Expert Conseil en Recherche & Développement Informatique, agréé par le Ministère de l Enseignement Supérieur et de la Recherche au titre du Crédit Impôt Recherche (CIR). J accompagne ainsi des sociétés comme TokTokTok, France Consultants, SonetIN, Refactor, Ebuzzing ou OverBlog, Jeunes Entreprises Innovantes (JEI), dans l élaboration de leurs projets de R&D et la mise en place et l étude de leurs algorithmes intelligents. Mots clés : Apprentissage Automatique, Fouille de Données, Extraction de Connaissances, Apprentissage Supervisé, Apprentissage Non Supervisé, Apprentissage Semi-Supervisé, Apprentissage par Renforcement, Apprentissage Statistique, Modèles Probabilistes, Subspace Clustering, Données semi-structurées, Documents XML, Évaluation d Algorithmes, Profiling, Systèmes de Recommandations, Filtrage Collaboratif, Extraction d Information, Recherche d Information, Traitement Automatique des Langues, Learning to Rank, Apprentissage Actif 4 Publications 4.1 Conférences internationales 1. [2011] Diversity in Recommender Systems : Bridging the gap between users and systems Laurent Candillier, Max Chevalier, Damien Dudognon, Josiane Mothe 4th International Conference on Advances in Human-oriented and Personalized Mechanisms, Technologies and Services CENTRIC 2011, Barcelona, Spain, 23-29 october 2011 2. [2008] Designing Specific Weighted Similarity Measures to Improve Collaborative Filtering Systems Laurent Candillier, Frank Meyer, Françoise Fessant In Petra Perner, editor 8th Industrial Conference on Data Mining ICDM 2008, Leipzig, Germany, 16-18 july 2008 Lecture Notes in Computer Science, LNAI 5077, pages 242-255 3. [2007] Comparing state-of-the-art collaborative filtering systems Laurent Candillier, Frank Meyer, Marc Boullé In Petra Perner, editor 5th International Conference on Machine Learning and Data Mining in Pattern Recognition 4
MLDM 2007, Leipzig, Germany, 18-20 july 2007 Lecture Notes in Computer Science, LNAI 4571, pages 548-562 4. [2006] Cascade Evaluation of Clustering Algorithms In Johannes Fürnkranz, Tobias Scheffer and Myra Spiliopoulou, editors 17 th European Conference on Machine Learning ECML 2006, Berlin, Germany, 18-22 september 2006 Lecture Notes in Computer Science, LNAI 4212, pages 574-581 5. [2005] SSC : Statistical Subspace Clustering In Petra Perner and Atsushi Imiya, editors 4 th International Conference on Machine Learning and Data Mining in Pattern Recognition MLDM 2005, Leipzig, Germany, 9-11 july 2005 Lecture Notes in Computer Science, LNAI 3587, pages 100-109 4.2 Ateliers internationaux 6. [2012] Design and Analysis of the Nomao Challenge - Active Learning in the Real-World Laurent Candillier, Vincent Lemaire Workshop on Active Learning in Real-world Applications ECML-PKDD 2012, Bristol, UK, 28 september 2012 7. [2005] Cascade evaluation Workshop on Theoretical foundations of clustering NIPS 2005, Vancouver, Canada, 5-10 december 2005 8. [2005] Transforming XML trees for efficient classification and clustering Laurent Candillier, Isabelle Tellier, Fabien Torre 4 th International Workshop of the Initiative for the Evaluation of XML Retrieval INEX 2005, XML Mining task, Schloss Dagstuhl, Wadern, Germany, 28-30 november 2005 Lecture Notes in Computer Science 3977, pages 469-480 4.3 Conférences françaises 9. [2013] Identification de compatibilités entre descripteurs de lieux et apprentissage automatique Estelle Delpech, Léa Laporte, Laurent Candillier, Samuel Phan 13ème Conférence Internationale Francophone sur l Extraction et la Gestion des Connaissances EGC 2013, Toulouse, 29-31 january 2013 Revue des Nouvelles Technologies de l Information (RNTI), pages 311-316 5
10. [2012] Nomao : un moteur de recherche géolocalisé spécialisé dans la recommandation de lieux et l e-réputation Estelle Delpech, Laurent Candillier 19ème conférence sur le Traitement Automatique des Langues Naturelles TALN 2012, Grenoble, 4-8 june 2012 11. [2012] Évaluation de la pertinence dans les moteurs de recherche géoréférencés Léa Laporte, Laurent Candillier, Sébastien Déjean, Josiane Mothe Informatique des Organisations et Systèmes d Information et de Décision INFORSID 2012, Montpellier, 29-31 may 2012 12. [2011] Nomao : la recherche géolocalisée personnalisée Laurent Candillier In Djamel A. Zighed and Gilles Venturini, editors 11ème Conférence Internationale Francophone sur l Extraction et la Gestion des Connaissances EGC 2011, Brest, 25-28 january 2011 Revue des Nouvelles Technologies de l Information (RNTI), volume 1, pages 259-261 13. [2006] SuSE : Subspace Selection embedded in an EM algorithm In Laurent Miclet, editor, pages 331-345 8 eme Conférence francophone sur l Apprentissage automatique CAp 2006, Trégastel, 22-24 may 2006 14. [2006] Évaluation en cascade d algorithmes de clustering In Laurent Miclet, editor, pages 109-124 8 eme Conférence francophone sur l Apprentissage automatique CAp 2006, Trégastel, 22-24 may 2006 15. [2005] SSC : Statistical Subspace Clustering In Suzanne Pinson and Nicole Vincent, editors 5 emes journées francophones d Extraction et Gestion des Connaissances EGC 2005, Paris, 19-21 january 2005 Revue des Nouvelles Technologies de l Information (RNTI), volume 1, pages 177-182 16. [2004] Tuareg : classification non supervisée contextualisée Laurent Candillier, Isabelle Tellier, Fabien Torre In Michel Liquière and Marc Sebban, editors, pages 159-174 6 eme Conférence francophone sur l Apprentissage automatique CAp 2004, Montpellier, 14-16 june 2004 6
4.4 Ateliers français 17. [2006] SuSE : Subspace Selection embedded in an EM algorithm 2 emes Rencontres Inter-Associations sur la classification et ses applications RIAs 2006, Lyon, 20-21 march 2006 18. [2006] Évaluation en cascade d algorithmes de clustering 2 emes Rencontres Inter-Associations sur la classification et ses applications RIAs 2006, Lyon, 20-21 march 2006 4.5 Chapitres de livres 19. [2014] Systèmes de recommandation et Recherche d Information Laurent Candillier, Étienne Chai, Estelle Delpech In Les systèmes de recommandation Hermès Sciences, collection information, hypermédias et communication Ghislaine Chartron, Imad Saleh, Gérald Kembellec, éditeurs 20. [2009] State-of-the-Art Recommender Systems L. Candillier, K. Jack, F. Fessant, F. Meyer In Collaborative and Social Information Retrieval and Access : Techniques for Improved User Modeling, chapter 1 21. [2007] Mining XML documents L. Candillier, L. Denoyer, P. Gallinari, M.C. Rousset, A. Termier, A.M. Vercoustre In Data Mining Patterns : new Methods and Applications, chapter 8 4.6 Rapports techniques 22. [2006] Contextualisation, Visualisation et Évaluation en Apprentissage Non Supervisé Laurent Candillier PhD thesis, Université Charles de Gaulle de Lille 3, September 2006 23. [2005] SSC : Statistical Subspace Clustering Rapport technique GRAppA 2005 (version détaillée de l article présenté à EGC 2005) 24. [2001] Apprentissage Automatique de Profils de Lecteurs Laurent Candillier, Isabelle Tellier, Fabien Torre Rapport technique GRAppA 2001 7
5 Enseignement universitaire 2005-2006 : Bases de Données en Master 1 PSYCHO à Lille 3 32 heures TD-TP Programmation en python en Licence 2 MIASHS à Lille 3 16 heures TD-TP + co-préparation du projet, examens et corrections 2003-2004 : Internet et Bases de Données en DEUG MASS 2 à Lille 3 46 heures CM-TD-TP + préparation du projet, examens et corrections 2001-2002 : Pratique des tableurs en DEUG MASS 2 à Lille 3 28 heures TD-TP + corrections 2000-2001 : Programmation en Ada en DEUG MIAS 2 à Lille 1 36 heures TD-TP Pratique des tableurs en DEUG MASS 2 à Lille 3 28 heures TD-TP Bases de Données en Maîtrise IDIST à Lille 3 16 heures TD-TP 6 Autre expérience professionnelle 2009-2010 : Stages d enseignement en écoles primaires 2002-2003 : Agent de niveau 2 à la Caisse Primaire d Assurance Maladie (CPAM) de Tourcoing, au service SCANNER (saisie simple de feuilles de soin) Cours particuliers d espagnol et de mathématiques à des élèves de Première S 2001-2002 : Moniteur étudiant à la Bibliothèque Universitaire de Lille 1 dans le cadre du projet thèses électroniques Conception de QCM pour évaluer les métiers d informaticiens Cours particuliers d espagnol à un élève de Seconde Vendanges dans le Beaujolais et dans le Bordelais 1998-2001 : Surveillant d Externat au collège Robert Schuman à Halluin, et aide aux devoirs 1996-1999 : Cours particuliers de mathématiques, physique, informatique (introductions), français (à une espagnole) et anglais 1996 : Vendanges dans le Bordelais 8
7 Compétences en informatique Domaines de recherche : Apprentissage Automatique, Fouille de Données, Systèmes de recommandations, Recherche d Information, Traitement Automatique des Langues Enseignement : programmation fonctionnelle et objet, concepts algorithmiques, usages d internet, créations de sites web, bases de données, pratique des tableurs et traitements de texte Langages de programmation : java, C, C++, perl, python, ada Développement web : html, css, php, mysql, postgresql, pl/pgsql, pl/python Logiciels : eclipse, open office, access, excel, word Autres : git, latex, pstricks, xml, gnuplot 8 Langues parlées Français, espagnol, anglais trilingue Des notions d allemand Plus de vingt séjours de un à deux mois en Espagne + deux ans en Amérique du Sud Cinq mois consécutifs en Angleterre (second semestre de Master 1, programme ERASMUS) 9 Vie associative Culture : africaine (Un Baobab Sous Le Pied, Baga Percussion), brésilienne (Capoeiragem) Jeunesse : accompagnement à la scolarité à la MJC Roguet Saint-Cyprien Écologie : WWF, Coeur de Forêt, Enercoop, Greenpeace, Les blongios Humanitaire : Médecins Sans Frontières, Action Contre La Faim, Don du sang, Babyloan, Orphelinats d Afrique 10 Loisirs Sports, voyages, nature, danse, percussions, jonglerie, lecture, écriture, jeux d échecs et de cartes Sports pratiqués : football (7 ans), volley-ball (6 ans), judo (5 ans), tennis (2 ans) ski (15 saisons), snowboard (6 saisons), randonnée, canyoning, escalade beach volley, natation (3 ans), plongée sous-marine (niveau 1), apnée, planche à voile, surf danse (africaine, salsa, rock, capoeira, andine, contemporaine), course, VTT, roller, équitation Auteur du roman philosophique : «Apocalypsoon - la vie de Gaïa» 9