STAGE INGÉNIERIE LINGUISTIQUE
SUJET 2015: Catégorisation, Clustering
DURÉE : 6 MOIS ENVIRON

1.  CONTEXTE
 
Le volume des données numériques textuelles, disponibles sur l'Internet
(forums, twitters etc.) ou relatives à des contacts client (enquêtes,
centre d'appel etc.), augmente chaque année. L'analyse de ces
informations, structurées ou non, est, aujourd'hui, un impératif
stratégique pour une entreprise telle qu'EDF. Dans ce cadre, et dans
l'objectif de toujours mieux connaître les besoins des clients,
l'exploitation de ces documents implique l'utilisation de méthodes
d'extraction d'information, de classification supervisée, ainsi que des
méthodes d'analyse exploratoire. 


2.	 SUJET DU STAGE

Depuis plusieurs années, EDF utilise l'outil Luxid®, solution développée
par l'éditeur TEMIS (Text-Mining Solution). Cette technologie permet de
générer des modèles de catégorisation et des clustering à partir
d'extraction de concepts métier. Les résultats obtenus sont aujourd'hui
satisfaisants et permettent une analyse qualitative des données à
traiter. Malgré les bons résultats, nous aimerions tester des
algorithmes d'analyse alternatifs et mettre en oeuvre une nouvelle
approche grâce à des outils Open-source.

Dans le cadre de ce stage, nous aimerions mettre en place une chaîne de
traitement permettant d'utiliser les concepts métier extraits par Luxid®
comme variables d'entrée d'un classifieur et d'une méthode de
clustering. L'objectif est de valider la faisabilité tout en évaluant la
qualité des résultats obtenus. Il s'agirait aussi de mener un état de
l'art des algorithmes de classification supervisée et de clustering
existants permettant de répondre à la question : Quelle est la méthode
statistique la plus performante pour nos besoins ?

Ainsi, le stage se découpe en 3 étapes importantes :

1- Faire un état de l'art et une description précise des différents
   algorithmes possibles pour la classification supervisée et le
   clustering

2- Tester des outils Open-source capable d'utiliser les concepts métier
   extraits par Temis

   a. Avec un algorithme similaire à celui utilisé par EDF

   b. Avec d'autres algorithmes que ceux utiliser aujourd'hui par EDF

3- Mesurer la qualité des résultats et comparer les résultats avec ceux
   de Temis
 

3. INFORMATIONS PRATIQUES

Interlocuteurs	
Delphine Lagarde	01.47.65.39.75	delphine.lagarde@edf.fr 

Lieu du stage	
EDF R&D - Département ICAME
1, avenue du Général de Gaulle
92141 Clamart Cedex	

Date & Durée 
2015 - 6 mois environ

Rémunération
A définir (environ 1.000¤/mois)