Recommandations Adaptatives dans les Systèmes Complexes de Personnalisation de Produits

Les configurateurs et comparateurs de produits sont deux familles de logiciels employés par les entreprises pour permettre à leurs clients d’obtenir des produits personnalisés. Tandis que les configurateurs permettent de personnaliser progressivement les options d'un produit, les comparateurs présentent les différences entre alternatives concurrentes. Bien que ces outils abondent dans l'industrie et sur le web, leur développement et leur utilisation demeurent laborieux. Les produits comprenant de nombreuses options soumises à des contraintes techniques et business rendent les processus de personnalisation complexes, fastidieux, sujets aux erreurs et peu rentables. Par conséquent, les utilisateurs risquent de choisir un produit inapproprié ou d'abandonner l'outil. Ces problèmes révèlent la nećessité de faciliter les processus de personnalisation et d'assister les utilisateurs impliqués dans ceux-ci. A cette fin, ce projet propose le développement d'algorithmes de recommandation par exploration. Premièrement, nous proposons un langage pour modéliser des règles de recommandation pour produits complexes. Nous proposons également une architecture logicielle dirigée par modèles pour rapidement produire des systèmes de personnalisation de produits à partir de ces règles de recommandation. Nous investiguerons l’utilisation de techniques de traitement automatique du langage naturel pour extraire des connaissances à partir d’avis de consommateurs à propos des produits sur le web. Notre objectif est d’exploiter ces extractions pour créer de nouvelles interactions pour la recherche de produits et de permettre aux utilisateurs de prendre de meilleures décisions. La thèse nécessite à la fois de la recherche fondamentale en algorithmique et de la recherche appliquée pour évaluer l'approche. Les solutions prévues sont fortement susceptibles d'être déployées en industrie dans un délai de 2 à 3 ans et de fournir un avantage compétitif aux entreprises.