En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées,
notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h
Q1
Enseignants
Fouss François; Francq Pascal; Saerens Marco (supplée Fouss François);
Langue
d'enseignement
d'enseignement
Anglais
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 |
A la fin du cours l'étudiant sera capable de : - Définir une politique de référencement d'un site Web ; - Comprendre le fonctionnement des principaux outils de recherche disponibles sur le Web ' et utiliser ces outils ; - Comprendre le fonctionnement des principaux algorithmes permettant de classer, d'analyser et d'exploiter les informations issues du Web ' et utiliser ces algorithmes ; - Prendre les bonnes décisions dans des processus de recherche d'information sur le Web et/ou d'analyse de ces informations. |
Contenu
Le Web Mining est l’application de techniques et modèles permettant de rechercher, récolter, nettoyer, analyser, classer et recommander des informations/données issues du Web. Ces techniques sont notamment utilisées dans les moteurs de recherche, qui jouent un rôle central dans la société de l’information connectée, ainsi que les réseaux sociaux. Ce cours a pour objectif d’apprendre à maîtriser ces techniques et modèles, afin notamment de pouvoir les utiliser/appliquer dans des situations réelles.
Les thèmes principaux de ce cours sont:
Les thèmes principaux de ce cours sont:
- Recherche d’information sur le Web
- Concepts de base (indexation, de compression, de recherche, de classification et de catégorisation)
- Modèles de recherche d’information
- Ingénierie du Web
- Référencement
- Collecter, nettoyer et analyser les données issues du Web
- Outils d’analyse d’audience de sites Web
- Link Analysis : recommander/analyser du contenu relevant sur base de la structure en hyperliens, formant un réseau/graphe
- Eléments fondamentaux de la structure d'un réseau/graphe
- Méthodologie d'analyse d'un réseau/graphe
- Identification de sous-groupes cohésifs
- Notions de similarité et de distance
- Identification de nœuds prestigieux
- Identification de nœuds centraux
- Prédiction de nouveaux liens
- Identification des nœuds maximisant la diffusion d’information dans le réseau
- etc.
Méthodes d'enseignement
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
- Exposés magistraux
- Exercices intégrés au cours
- Projet par groupe
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
- Réalisation d'un projet de groupe;
- Défense du projet et examen oral.
Ressources
en ligne
en ligne
Voir Student Corner / Teams
Bibliographie
- MCILWRAITH D., MARMANIS H., BABENKO D. 2nd ed, Algorithms of the Intelligent Web, Manning Publications, 2016.
- LANGVILLE A., MEYER C., Google’s PageRank and Beyond : The Science of Search Engine Rankings, Princeton University Press, 2012.
- FOUSS F., SAERENS M., SHIMBO M., Algorithms and Models for Network Data and Link Analysis, Cambridge University Press, 2016.
- AMINI M.-R., GAUSSIER E., Recherche d’information : Applications, modèles et algorithmes, Eyrolles, 2013.
- MANNING C. D., RAGHAVAN P., SCHÜTZE H., Introduction to Information Retrieval, Cambridge University Press, 2008.
- MARTIN A., CHARTIER M., ANDRIEU O., Techniques de référencement web : Audit et suivi SEO, Eyrolles, 2016.
Faculté ou entité
en charge
en charge
CLSM