Diaporama de la présentation de Gautier Poupeau (Antidot) faite à l'occasion de la journée d'études : indexation, Web sémantique, Web de données organisée à l'Ecole nationale de la photographie d'Arles
Présentation sur la démarche de l'Open Data (quelles données ? Quels acteurs ?) et sur les technologies gravitant autour du Linked Data (le modèle RDF, RDFS, OWL, les ontologies, les triplestores, etc).
Introduction au web des données (Linked Data)BorderCloud
L'Open Data, le Big Data, le Web des données, le Web sémantique, les ontologies, le NoSql et le SPARQL sont autant de notions qu'il faut comprendre pour ne pas rater la prochaine rupture technologique du Web.
Cette présentation est l'introduction de la formation sur le Web sémantique que donne la société BorderCloud pour prendre un peu de recule sur les buzzwords du moment et savoir si vous avez besoin de faire du Big Data ou bien du Linked Data.
Enrichissement de Données RDF Integrées à la Volée - EGC2019 - AWD WorkshopBenjamin MOREAU
La logique de description sous-jacente à une ontologie est l'un des atouts majeurs du web des données. Elle permet en particulier d'enrichir les connaissances par inférence.
Cependant, mettre en place l'inférence est très couteux en temps d'exécution, stockage et maintenance.
Certains producteurs de données décident de ne pas matérialiser leurs données en RDF ce qui rend compliqué l'enrichissement des données.
Dans cette démonstration, nous présentons une approche pour bénéficier de l'enrichissement sémantique pendant l'exécution de requêtes SPARQL sur de données non-RDF accessibles à travers une API comme Twitter, Github et LinkedIn.
Présentation sur la démarche de l'Open Data (quelles données ? Quels acteurs ?) et sur les technologies gravitant autour du Linked Data (le modèle RDF, RDFS, OWL, les ontologies, les triplestores, etc).
Introduction au web des données (Linked Data)BorderCloud
L'Open Data, le Big Data, le Web des données, le Web sémantique, les ontologies, le NoSql et le SPARQL sont autant de notions qu'il faut comprendre pour ne pas rater la prochaine rupture technologique du Web.
Cette présentation est l'introduction de la formation sur le Web sémantique que donne la société BorderCloud pour prendre un peu de recule sur les buzzwords du moment et savoir si vous avez besoin de faire du Big Data ou bien du Linked Data.
Enrichissement de Données RDF Integrées à la Volée - EGC2019 - AWD WorkshopBenjamin MOREAU
La logique de description sous-jacente à une ontologie est l'un des atouts majeurs du web des données. Elle permet en particulier d'enrichir les connaissances par inférence.
Cependant, mettre en place l'inférence est très couteux en temps d'exécution, stockage et maintenance.
Certains producteurs de données décident de ne pas matérialiser leurs données en RDF ce qui rend compliqué l'enrichissement des données.
Dans cette démonstration, nous présentons une approche pour bénéficier de l'enrichissement sémantique pendant l'exécution de requêtes SPARQL sur de données non-RDF accessibles à travers une API comme Twitter, Github et LinkedIn.
Slides de l'atelier JDEV2017 : SPARQL, avancé
Vous saurez après cet atelier : lire un document RDF écrit en Turtle, découvrir une ontologie au travers d’un service SPARQL et lire la documentation officielle de SPARQL.
Web sémantique et Web de données, et si on passait à la pratique ?Antidot
Le web sémantique, théorisé il y a déjà longtemps par Tim Berners-Lee, a tardé à prendre son envol. Mais aujourd'hui la vague est là et les premiers à la surfer sont les grands acteurs du web, comme Google qui bâtit son Knowledge Graph. Les standards sont aujourd'hui matures, et des organisations de toutes tailles les mettent en oeuvre dans des projets concrets, avec un vrai retour sur investissement. Cependant faire une application à l’aide des technologies du Web Sémantique peut s’avérer être une tâche fastidieuse pour ceux qui souhaitent découvrir ce domaine. De nombreuses questions restent souvent en suspens. Quel est le rôle des ontologies ? Pourquoi utiliser RDF et SPARQL ? Qu’est ce qu’un triplestore et comment l’exploiter ? Comment tirer parti du Web de données pour enrichir ses données métier à l'aide de ces outils ? Autant de questions auxquelles nous essaieront de répondre à partir d’un exemple concret : les données de l'institution culturelle Les Champs Libres à Rennes.
Les technologies du Web appliquées aux données structurées (2ème partie : Rel...Gautier Poupeau
Diaporama de la présentation effectuée au séminaire INRIA IST "Le document à l'heure du Web de données" (Carnac 1er-5 octobre 2012) en compagnie d'Emmanuelle Bermès (aka figoblog)
Web sémantique, Web de données, Web 3.0, Linked Data... Quelques repères pour...Antidot
Diaporama de la présentation faite à l'occasion du Co-lab Semantique organisé par le consortium Scribo. L'enjeu était de présenter en 45-60min les enjeux du Web sémantique.
Atelier JDEV2017 : initiation à SPARQL avec Wikidata
Cet atelier a pour objectif de vous montrer comment dans l’avenir un étudiant et un chercheur (et demain les machines) vont naviguer dans le Linked Data (Web des données) à l’aide du langage SPARQL. Nous utiliserons un outil d'auto-complétion qui facilitera la création de votre première requête. Nous utiliserons le logiciel http://LinkedWiki.com afin d’écrire et partager les requêtes des participants de l’atelier ou bien https://io.datascience-paris-saclay.fr/map.php si le participant est membre de cette université.
Le Web sémantique (plus techniquement appelé « le Web de données ») permet aux machines de comprendre la sémantique, la signification de l'information sur le Web.
Le terme a été inventé par Tim Berners-Lee, coinventeur du Web et directeur du W3C, qui supervise l'élaboration des propositions de standards du Web sémantique.
Documation 2011 : de la recherche fédérée à l'accès unifiéAntidot
Toute organisation subit les limites de son système d’information : entrepôts de données cloisonnés, données hétérogènes, documents non structurés, thésaurus incomplets, taxonomies incohérentes…
Les utilisateurs en souffrent et attendent un véritable « accès unifié à l’information » : trouver l’information par les concepts plutôt que la chercher par les mots, naviguer aisément dans l’information, mieux l’exploiter en collaborant. L’entreprise doit évoluer vers un « espace informationnel enrichi », servant différents usages selon le profil ou la mission de chaque collaborateur.
La vision innovante d'Antidot permet d’aller bien au-delà de ce que permettent les approchent traditionnelles comme la « recherche fédérée » ou encore les « search based applications » car Antidot Information Factory et Antidot Finder Suite permettent de modéliser l’information, de capter, normaliser, décrire et agréger des données puis d’en inférer des informations nouvelles, facilement accessibles.
Intégrant nativement les technologies du web sémantique, Antidot apporte les solutions les plus en pointe dans le domaine et démontre à travers une réalisation emblématique - le projet ISIDORE du CNRS TGE Adonis - comment remodeler et diffuser une information à forte valeur ajoutée.
Données de la culture et culture des donnéesFabien Gandon
Présentation "Données de la culture et culture des données" ou le web sémantique et les données liées sur le web dans le domaine de la culture à l'occasion de la conférence "Transmettre la culture à l’ère du numérique" dans le programme Automne Numérique du ministère de la Culture et de la Communication.
La vidéo de la conférence est ici:
http://www.dailymotion.com/video/x17i1g6_conference-transmettre-la-culture-a-l-age-du-numerique-fabien-gandon_tech
Nous lisons régulièrement que le Web révolutionne notre monde et provoque des évolutions dans toutes les dimensions de notre société. Mais le Web lui-même, ses usages et la compréhension que nous en avons n’ont pas cessé d’évoluer depuis la proposition à l’origine de sa création en 1989. C’est un espace en perpétuelle recréation qui nous demande sans cesse de nouvelles explorations et reconsidérations. Ce sont certains de ces changements passés, actuels, et à venir du Web que nous allons regarder ensemble en insistant sur la complexité de cet artefact qui en fait un objet de recherches pluridisciplinaires.
On Youtube: https://youtu.be/jNjHdqS-1Ko
Slides de l'atelier JDEV2017 : SPARQL, avancé
Vous saurez après cet atelier : lire un document RDF écrit en Turtle, découvrir une ontologie au travers d’un service SPARQL et lire la documentation officielle de SPARQL.
Web sémantique et Web de données, et si on passait à la pratique ?Antidot
Le web sémantique, théorisé il y a déjà longtemps par Tim Berners-Lee, a tardé à prendre son envol. Mais aujourd'hui la vague est là et les premiers à la surfer sont les grands acteurs du web, comme Google qui bâtit son Knowledge Graph. Les standards sont aujourd'hui matures, et des organisations de toutes tailles les mettent en oeuvre dans des projets concrets, avec un vrai retour sur investissement. Cependant faire une application à l’aide des technologies du Web Sémantique peut s’avérer être une tâche fastidieuse pour ceux qui souhaitent découvrir ce domaine. De nombreuses questions restent souvent en suspens. Quel est le rôle des ontologies ? Pourquoi utiliser RDF et SPARQL ? Qu’est ce qu’un triplestore et comment l’exploiter ? Comment tirer parti du Web de données pour enrichir ses données métier à l'aide de ces outils ? Autant de questions auxquelles nous essaieront de répondre à partir d’un exemple concret : les données de l'institution culturelle Les Champs Libres à Rennes.
Les technologies du Web appliquées aux données structurées (2ème partie : Rel...Gautier Poupeau
Diaporama de la présentation effectuée au séminaire INRIA IST "Le document à l'heure du Web de données" (Carnac 1er-5 octobre 2012) en compagnie d'Emmanuelle Bermès (aka figoblog)
Web sémantique, Web de données, Web 3.0, Linked Data... Quelques repères pour...Antidot
Diaporama de la présentation faite à l'occasion du Co-lab Semantique organisé par le consortium Scribo. L'enjeu était de présenter en 45-60min les enjeux du Web sémantique.
Atelier JDEV2017 : initiation à SPARQL avec Wikidata
Cet atelier a pour objectif de vous montrer comment dans l’avenir un étudiant et un chercheur (et demain les machines) vont naviguer dans le Linked Data (Web des données) à l’aide du langage SPARQL. Nous utiliserons un outil d'auto-complétion qui facilitera la création de votre première requête. Nous utiliserons le logiciel http://LinkedWiki.com afin d’écrire et partager les requêtes des participants de l’atelier ou bien https://io.datascience-paris-saclay.fr/map.php si le participant est membre de cette université.
Le Web sémantique (plus techniquement appelé « le Web de données ») permet aux machines de comprendre la sémantique, la signification de l'information sur le Web.
Le terme a été inventé par Tim Berners-Lee, coinventeur du Web et directeur du W3C, qui supervise l'élaboration des propositions de standards du Web sémantique.
Documation 2011 : de la recherche fédérée à l'accès unifiéAntidot
Toute organisation subit les limites de son système d’information : entrepôts de données cloisonnés, données hétérogènes, documents non structurés, thésaurus incomplets, taxonomies incohérentes…
Les utilisateurs en souffrent et attendent un véritable « accès unifié à l’information » : trouver l’information par les concepts plutôt que la chercher par les mots, naviguer aisément dans l’information, mieux l’exploiter en collaborant. L’entreprise doit évoluer vers un « espace informationnel enrichi », servant différents usages selon le profil ou la mission de chaque collaborateur.
La vision innovante d'Antidot permet d’aller bien au-delà de ce que permettent les approchent traditionnelles comme la « recherche fédérée » ou encore les « search based applications » car Antidot Information Factory et Antidot Finder Suite permettent de modéliser l’information, de capter, normaliser, décrire et agréger des données puis d’en inférer des informations nouvelles, facilement accessibles.
Intégrant nativement les technologies du web sémantique, Antidot apporte les solutions les plus en pointe dans le domaine et démontre à travers une réalisation emblématique - le projet ISIDORE du CNRS TGE Adonis - comment remodeler et diffuser une information à forte valeur ajoutée.
Données de la culture et culture des donnéesFabien Gandon
Présentation "Données de la culture et culture des données" ou le web sémantique et les données liées sur le web dans le domaine de la culture à l'occasion de la conférence "Transmettre la culture à l’ère du numérique" dans le programme Automne Numérique du ministère de la Culture et de la Communication.
La vidéo de la conférence est ici:
http://www.dailymotion.com/video/x17i1g6_conference-transmettre-la-culture-a-l-age-du-numerique-fabien-gandon_tech
Nous lisons régulièrement que le Web révolutionne notre monde et provoque des évolutions dans toutes les dimensions de notre société. Mais le Web lui-même, ses usages et la compréhension que nous en avons n’ont pas cessé d’évoluer depuis la proposition à l’origine de sa création en 1989. C’est un espace en perpétuelle recréation qui nous demande sans cesse de nouvelles explorations et reconsidérations. Ce sont certains de ces changements passés, actuels, et à venir du Web que nous allons regarder ensemble en insistant sur la complexité de cet artefact qui en fait un objet de recherches pluridisciplinaires.
On Youtube: https://youtu.be/jNjHdqS-1Ko
Wikidata : quand Wikipédia s'intéresse aux donnéesAntidot
Diaporama de la présentation effectuée le 27 mars 2014 à Numa (Paris) à l'occasion de la journée "Relier les données : un enjeu majeur pour les usages ?" et du lancement de la plate-forme Datalift
Cours sur les normes et standards (principales notions à connaître) auprès d'étudiants en Master Multimédia de Bordeaux. Principaux enjeux des normes et standards abordés : accessibilité, indexation (avec métadonnées et dublin core), interopérabilité, web sémantique et open data.
Présentation faite lors d'une réunion du projet animitex à montpellier en aôut 2014. Cette présentation introduit certains formats du web sémantique en particulier ceux accessible sur le web de données . Ensuite les travaux de Fabien Amarger sur la transformation de SKOS en ontologies OWL sont survollés.
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physiqueGautier Poupeau
Ce diaporama est le 3ème d'une série qui vise à donner un panorama de la gestion des données à l'ère du big data et de l'intelligence artificielle. Cette partie s'attache à présenter comment on passe de la modélisation des données jusqu'à leur stockage. Elle dresse un panorama des différentes solutions de stockage de données, en présente les particularités, les forces et les faiblesses.
Présentation faite lors d'une réunion du projet animitex à Montpellier en aôut 2014. Cette présentation brosse un apercu des standards du web sémantique disponible sur le web de données. Puis nous introduisons brièvement les travaux de Fabien Amarger sur la transformation de SKOS en ontologie.
CRFCB AMU evolutions_catalogage_091213_web de donnéesnonue12
Support 3 de la journée d'études du 09 déc. 2013 sur l'évolution des catalogues et du catalogage organisée par le CRFCB de Marseille et le sous-groupe formations du groupe technique sur l'adoption de RDA en France.
Université d’été ferney voltaire 2014 – les réseaux atelier-pajekMarion Maisonobe
Une présentation réalisée pour l'atelier PAJEK de l'Université d'été sur les Réseaux qui s'est tenue fin aout 2014 à Ferney. La présentation comprend une brève introduction à l'analyse de réseau.
Comment l'intelligence artificielle améliore la recherche documentaireAntidot
Présentation faite par Pierre Col au Meetup Lyon Data Science du 9 juin 2016 : l'intelligence artificielle et le machine learning, appliqués au texte mining (classification automatique, extraction d'entités nommées) permettent d'enrichir des corpus documentaires avec des métadonnées qui vont faciliter la recherche d'information et la navigation dans les documents, qui peuvent être liés selon l'approche du linked data.
Antidot Content Classifier - Valorisez vos contenusAntidot
Comment analyser sémantiquement et classer automatiquement des millions de documents sans avoir besoin de les lire ou de les relire ?
Antidot rend disponible à tous, les dernières technologies du Machine Learning pour :
- Trier, classer et mieux ranger automatiquement votre GED ou votre intranet : retrouver un document ou y trouver de l'information est enfin possible.
- Recommander les documents pertinents, contextualisés en fonction du profil de l’utilisateur.
- Segmenter finement des contenus payants et délivrer des abonnements sur mesure à vos clients
- Alerter de manière très ciblée vos utilisateurs sur les nouveaux documents utiles à leur activité
- Aiguiller automatiquement des demandes entrantes, selon leur sujet, leur niveau d’urgence.
- Analyser les réseaux sociaux, tweets, e-mails et contributions dans les forums afin de détecter les sujets et de réagir de façon ciblée.
- … et bien d’autres cas d’application
Profitez vite des innovations d’Antidot pour booster votre productivité et rester en tête du peloton !
Comment l’intelligence artificielle réinvente la fouille de texteAntidot
La fouille de texte a déjà prouvé son intérêt pour tirer le sens des contenus et les enrichir avec des informations contextuelles, ce qui facilite la navigation, la recherche et aujourd’hui la recommandation automatique d’information. Cependant, les approches conventionnelles sont complexes à mettre en œuvre et coûteuses à exploiter pour une qualité pas toujours au rendez-vous.
Grâce aux nouvelles approches statistiques issues du machine learning, la classification automatique de documents et l’extraction d’entités nommées deviennent très accessibles et bien plus qualitatives.
Antidot vous présentera deux retours d’expérience sur ces nouvelles approches dans des contextes clients opérationnels dans le domaine de l’information juridique avec le CAIJ (Centre d’Accès à l’Information Juridique du Québec) et dans le domaine de la presse avec l’hebdomadaire Le Point.
La solution la plus performante pour classer vos contenus
Outillé et efficace
Conçu pour les métiers, Antidot Content Classifier est accessible à tous. Il ne nécessite aucune compétence technique. Grâce à ses interfaces et sa méthodologie, il garantit un temps de mise en œuvre très court : un projet de classification d’un corpus de plusieurs millions de documents se réalise en quelques jours.
Précis et exhaustif
Nos clients sont unanimes : le classifieur Antidot est la solution la plus précise du marché. Il met en œuvre les algorithmes les plus pointus de machine learning. Et grâce à sa technologie d’active learning, même si vous ne disposez pas d’un corpus de référence, vous obtenez plus rapidement des résultats extrêmement précis.
Multilabel
Antidot Content Classifier appose sur chaque document tous les tags pertinents, sans limitation de nombre. Il tire profit de tous vos plans de classement (listes ou arborescents), quelles que soient leur largeur et leur profondeur.
Multilingue
Antidot Content Classifier est indépendant de la langue. Il classe les corpus multilingues en détectant automatiquement la langue de chaque document.
Véloce
La classification d’un document se fait en quelques millisecondes. La création d’une base de signatures à partir d’un corpus d’entraînement s’effectue en quelques minutes.
Flexible
Grâce à ses APIs REST compatibles JSON et XML, Antidot Content Classifier s’intègre facilement à toute application web ou solution logicielle métier. Il traite les documents à l’unité ou par lot.
Pourquoi classer ?
Gagnez en agilité
Boostez l’accessibilité : les étiquettes deviennent des filtres qui permettent à l’utilisateur d’affiner sa recherche en quelques clics et de cibler le contenu pertinent.
Avec des documents enrichis, créez des offres de contenus personnalisées qui proposent à chaque utilisateur les documents qui lui sont utiles.
Boostez la découverte des contenus de votre Digital Workplace
Classez automatiquement les documents dans votre GED ou système d’archivage pour les retrouver plus vite.
Recommandez les documents pertinents, contextualisés en fonction du profil de l’utilisateur.
Fluidifiez votre relation client
Aiguillez les demandes entrantes, selon leur sujet, le niveau d’urgence.
Analysez les tweets, e-mails et contributions dans les forums utilisateurs afin de détecter les sujets et de réagir de façon ciblée.
Comment fonctionne Antidot Content Classifier ?
1. Phase d’entraînement supervisé
En introduisant un échantillon significatif de documents déjà étiquetés, l’intelligence artificielle de la solution Antidot Content Classifier apprend automatiquement à détecter les caractéristiques attachées à tel ou tel tag.
2. Phase de classification industrielle
Une fois la base de signatures constituée pour l’ensemble des tags de votre plan de classement, vous injectez dans le système l’ensemble de votre corpus pouvant comporter plusieurs millions de documents.
Le CAIJ du Québec transforme l’accès à l’information juridique grâce au machine learning.
Créé en 2001, le CAIJ – Centre d’Accès à l’Information Juridique – a pour mission de faciliter l’accès à l’information juridique pour l’ensemble des membres du Barreau et de la magistrature du Québec. Pour ce faire, il opère un réseau de 40 bibliothèques, offre un service de recherche et de formation, et propose plus de 1,6 million de ressources via sa bibliothèque virtuelle www.caij. qc.ca. Il est la plus grande source d’information juridique au Québec.
Pour optimiser l’accès à l’information juridique, le CAIJ a besoin de classer finement chaque texte. Après avoir écarté l’hypothèse d’une approche manuelle qui aurait pris plusieurs années, et évalué sans succès des outils classiques de text-mining, le CAIJ a choisi la solution Antidot Content Classifier. En quelques semaines le projet était finalisé et les objectifs de qualité dépassés, pour un fonds documentaire de 1,7 millions de jurisprudences avec 10.000 nouveaux documents chaque mois.
Témoignage de Sonia Loubier, Directrice des technologies de l’information du CAIJ
"Antidot a su comprendre notre besoin et nous accompagner pas à pas dans la réalisation de notre projet. Leur parfaite compréhension de nos attentes leur a permis de nous aiguiller dans la mise en œuvre de notre solution qui se positionne désormais comme un maillon clé au sein de notre organisation."
Du Big Data à la Smart Information : comment valoriser les actifs information...Antidot
Du Big Data à la Smart Information : quelle approche ?
- Linked Enterprise Data
Quels outils pour créer la Smart Information ?
- Web de données
- Machine Learning
Exemples variés
Présentation faite à l'IDRAC le 7 mars 2016 par Pierre Col
Compte rendu de la matinée "E-commerce B2B : les leviers de croissance"Antidot
Le 4 février 2016, Target2Sell, organisait une table ronde autour du thème « E- Commerce B2B : les leviers de la croissance ».
Organisée en partenariat avec Decade, iAdvize, Antidot et IBM, la table ronde a permis d’engager une discussion de fonds sur plusieurs thématiques passionnantes !
La table ronde était animée par François Ziserman (CEO, Target2Sell), avec la participation de :
• Martin Sauer (Directeur Digital, Manutan)
• Laurent Gicquel (Responsable E-Commerce, Raja)
• Antoine Revillon (Responsable E-Business, Orexad)
• Maxime Baumard (Directeur Marketing, iAdvize)
• Pierre Col (Directeur Marketing, Antidot)
• Jérome Fraissinet (Directeur Technique, Decade)
• Patrick Gourdon (Global Client Director for retail industry, IBM)
Machine learning, deep learning et search : à quand ces innovations dans nos ...Antidot
FORCE EST DE CONSTATER QUE DURANT CES 10 DERNIÈRES ANNÉES, IL N'Y A PAS EU D'ÉVOLUTION DANS LE DOMAINE DES MOTEURS DE RECHERCHE POUR LES ENTREPRISES. ET POURTANT LA TOILE BRUISSE DE LA RÉVOLUTION DU MACHINE LEARNING.
Ces nouvelles approches mathématiques révolutionnent le traitement de l'information. Les géants du web s'en sont saisis depuis quelques années déjà et les premiers résultats sont là. Votre recherche Web est plus personnalisée, elle prédit plus qu'elle ne trouve, elle anticipe.
Mais les travailleurs du savoir dans les entreprises classiques n'ont pas encore accès à ces innovations. Ont-ils été oubliés ?
La recherche d'information en entreprise est-elle condamnée à exploiter des technologies du 20ème siècle ?
William Lesguillier, responsable de l'offre Valorisation des Données chez Antidot, revient sur l'intérêt de ces approches de machine learning afin de comprendre à quoi elles servent. A travers divers retours d'expériences, nous illustrerons ce qu'elles apportent dans la recherche d'information.
Nous ouvrirons enfin les portes du laboratoire d'Antidot pour présenter les derniers travaux de recherche sur les algorithmes de pertinence. l
AFS@Store : recherche sémantique et searchandising automatisé.
Augmentez votre taux de conversion de 30%
Installation rapide et maintenance simplifiée.
WISS 2015 - Machine Learning lecture by Ludovic Samper Antidot
Machine Learning Tutorial
- Study a classical task in Machine Learning : text classification - - Show scikit-learn.org Python machine learning library
- Follow the “Working with text data” tutorial :
http://scikit-learn.org/stable/tutorial/text_analytics/ working_with_text_data.html
- Additional material on http://blog.antidot.net/
Do’s and don'ts : la recherche interne aux sites de ecommerceAntidot
Vous exploitez un site de e-commerce exploitant Prestashop, Magento, OXID eSales… ou toute autre solution ou développement spécifique ?
Alors que vous investissez lourdement en acquisition de trafic, il est essentiel que vos visiteurs trouvent immédiatement le produit qu’ils recherchent sur votre site. En effet :
- selon votre activité, 20% à 60% de vos visiteurs passent par le moteur de recherche interne de votre site marchand
- ce moteur de recherche est impliqué dans plus de la moitié des parcours d’achat
- 43% des internautes abandonnent leur recherche et quittent votre site si leur première recherche est infructueuse
Grâce à notre intervention, présentée par Pierre Col, directeur marketing d'Antidot, vous découvrirez au travers d’exemples très concrets :
- Ce qu’est le searchandising et quels sont ses enjeux pour votre business
- Comment permettre à vos visiteurs de TROUVER à coups sûrs et rapidement les bons produits sur votre site
- Comment GUIDER l’internaute de sa saisie de mots-clés à la navigation dans les résultats
- Comment INFLUENCER l’internaute dans son choix
- Comment PILOTER le moteur de recherche de votre site interne pour l’adapter à votre métier et au comportement de vos visiteurs et clients
Nous vous ferons bénéficier du retour d’expérience et des bonnes pratiques mises en oeuvre par nos clients, au nombre desquels figurent notamment 4 Pieds, Actilev, But, Camaïeu, Casino, Cuisine Addict, Cultura, Damart, Decathlon, Du Pareil Au Même, King Jouet, Magma, Nature & Découvertes, Newpharma, Oreca, Pecheur.com, Petit Bateau, Saint Maclou, Top Office, Truffaut…
Boostez votre taux de conversion et augmentez vos ventes grâce au searchandis...Antidot
Vous exploitez un site de e-commerce exploitant Prestashop, Magento, OXID eSales… ou toute autre solution ou développement spécifique ?
Alors que vous investissez lourdement en acquisition de trafic, il est essentiel que vos visiteurs trouvent immédiatement le produit qu’ils recherchent sur votre site. En effet :
- selon votre activité, 20% à 60% de vos visiteurs passent par le moteur de recherche interne de votre site marchand
- ce moteur de recherche est impliqué dans plus de la moitié des parcours d'achat
- 43% des internautes abandonnent leur recherche et quittent votre site si leur première recherche est infructueuse
Au programme de notre intervention, vous découvrirez au travers d'exemples très concrets :
- Qu'est ce que le searchandising et quels sont ses enjeux pour votre business ?
- Comment permettre à vos visiteurs de TROUVER à coups sûrs et rapidement les bons produits sur votre site ?
- Comment GUIDER l’internaute de sa saisie de mots-clés à la navigation dans les résultats ?
- Comment INFLUENCER l’internaute dans son choix ?
- Comment PILOTER le moteur de recherche de votre site interne pour l’adapter à votre métier et au comportement de vos visiteurs et clients ?
Nous vous ferons bénéficier du retour d'expérience de nos clients, au nombre desquels figurent notamment But, Camaïeu, Casino, Cultura, Damart, Decathlon, Du Pareil Au Même, King Jouet, Magma, Nature & Découvertes, Newpharma, Oreca, Pecheur.com, Petit Bateau, Saint Maclou, Top Office, Truffaut…
Synergie entre intranet collaboratif et recherche sémantique : le cas des hôp...Antidot
La Fédération des Hôpitaux Vaudois partage avec vous son retour d’expérience sur la mise en œuvre de son portail collaboratif et social avec les solutions de Jalios et Antidot. Comment tirer davantage bénéfice des informations de vos organisations ? Qu’apporte la recherche sémantique sur toutes vos sources de données ? Que devient la gestion documentaire dans un intranet collaboratif ?
En 2015, quelles sont les bonnes pratiques du searchandising ?Antidot
Découvrez, au travers de nombreux exemples concrets, les bonnes pratiques du searchandising : la combinaison intelligente du moteur de recherche interne de votre site marchand et du merchandising automatisé augmente votre taux de conversion et accroît vos ventes.
Comment tirer profit des données publiques ouvertes dans un mashup web grâce ...Antidot
« Musées de France », exemple d’agrégation de données ouvertes pour la réalisation d’une application web qui a été primée en avril 2014 par le ministère de la Culture via le concours Semanticpedia.
Au travers d’un exemple réel, en ligne sur le site http://labs.antidot.net/museesdefrance/, on présente comment réaliser une application mettant en œuvre plusieurs sources de données ouvertes : les différentes étapes de conception et de réalisation de l’application seront présentées : récupération ou connexion à différents jeux de données, utilisation de web services pour l’enrichissement d’informations (géopositionnement, ajout d’objets multimédias…) puis restitution des données sous forme d’une application web utilisant un moteur de recherche sémantique.
Vous utilisez Prestashop ? Changez votre moteur de recherche interne pour boo...Antidot
Vous utilisez Prestashop ? Changez votre moteur de recherche interne pour booster votre taux de conversion !
Vous avez réalisé votre site marchand avec Prestashop, et vous constatez que votre moteur de recherche interne n’est pas efficace ? C’est normal, le moteur de recherche standard de Prestashop est tout à fait rudimentaire. Il est incapable de tolérer les fautes de frappe ou les erreurs phonétiques, de suggérer automatiquement vos produits en promotion, de proposer intelligemment des filtres de sélection, de prendre en compte votre vocabulaire métier et de vous donner la vision précise de ce que cherchent vos visiteurs, pour vous permettre de mieux les transformer en clients.
Et c’est tout à fait regrettable, car cela pénalisela performance commerciale de votre site… Pour autant, grâce au moteur de searchandising AFS@Store, vous avez une solution industrielle, pour un coût mensuel à partir de 200 euros seulement ! Disponible en SaaS et installable rapidement dans votre site Prestashop, par votre équipe informatique ou par notre partenaire Dream Me Up, AFS@Store optimise le searchandising de votre site web : indexation intelligente de votre catalogue, mise en avant des produits selon votre merchandising, suggestions de produits, marques ou catégories dès la search box avec tolérance phonétique et orthographique, facettes de filtrage contextuelles, campagnes promotionnelles dans les résultats de recherche...
Guillaume Grosjean, Responsable E-Commerce chez Antidot, vous expliquera ces bonnes pratiques du searchandising : vous découvrirez concrètement comment Tous Ergo ou 4 Pieds ont augmenté le taux de transformation de leur site sous Prestashop !
Boostez votre taux de conversion en tirant profit des bonnes pratiques du sea...Antidot
En 2014, le moteur de recherche interne d’un site e-commerce est utilisé dans plus de la moitié des parcours d'achat. Les visiteurs qui l’utilisent ont un taux de conversion au moins 5 fois supérieur aux autres. Par ailleurs, chaque euro investi en optimisation de votre site est 9 fois plus rentable qu'un euro dépensé en acquisition de trafic.
Dès lors, le moteur de recherche interne de votre site web est un levier déterminant pour votre business, il est primordial de l’optimiser !
Nous présentons lors de cet atelier un éventail de bonnes pratiques pour :
- permettre à vos clients de trouver plus facilement les produits qu’ils cherchent
- restituer plus efficacement votre politique commerciale sur votre site web
Cette présentation très concrète et opérationnelle s’appuie sur de nombreux retours d’expérience clients et le témoignage du groupe Soledis, éditeur de la solution Boost E-Commerce et de Alexis Robert, spécialiste de la vente d’outillages professionnels et grand public depuis 1803.
Améliorer le searchandising d’un site spécialisé : retour d'expérience de Cui...Antidot
Arobases, éditeur d’une plateforme e-commerce en mode hébergée, souhaitait proposer à ses clients un moteur de searchandising évolué, sous forme d’une option de service. Pour cela,
Arobases a choisi AFS@Store, et en a réalisé l’intégration technique au sein de sa plateforme.
Cuisine Addict, site spécialisé dans les ustensiles et le matériel de cuisine, a été parmi les premiers clients d’Arobase à en bénéficier et apporte son retour d’expérience.
Comment sélectionner, qualifier puis exploiter les données ouvertesAntidot
"Comment sélectionner, qualifier puis exploiter les données ouvertes" : exemples au travers de deux applications professionnelles, le mashup "Musées de France" et le service Ilosport de L'Équipe.
Journée DataViz et Open Data - 19 mai 2014, Lyon, Hôtel de la région Rhône-Alpes
Présentation par Pierre Col, directeur marketing d'Antidot
Comment mettre en relation données et documents pour produire une informati...Antidot
Comment mettre en relation données et documents pour produire une information métier plus riche et plus utile ?
Présentation d'Antidot Information Factory et de l'approche Linked Enterprise Data, par Pierre Col, directeur marketing d'Antidot.
Retours d'expérience de Pierre Boudigues, directeur Projets et SI de Electre, et Marc Pautrat, responsable SI éditoriaux du Groupe Moniteur.
Comment mettre en relation données et documents pour produire une informati...
Web sémantique et référentiels : l'avenir de l'image sur le Web
1. Web sémantique et référentiels :
l’avenir de l’image sur le Web
Journée d'études : Indexation, web sémantique et web des données
12 novembre 2013, ENSP, Arles
Gautier Poupeau
gpoupeau@antidot.net
@lespetitescases
http://www.lespetitescases.net
1
4. De l’image aux métadonnées
Nous, autres humains, y reconnaissons Eugène Delacroix
4
5. De l’image aux métadonnées
Mais voici ce que voit une machine…
5
6. De l’image aux métadonnées
Pourtant, je la trouve dans Google…
6
7. De l’image aux métadonnées
Car des informations sont associées à l’image
Son contexte d’utilisation
Titre de la page Web, mots autour de l’image…
7
8. De l’image aux métadonnées
Car des informations sont associées à l’image
Des informations embarquées dans l’image
IPTC/XMP/EXIF…
8
9. De l’image aux métadonnées
Car des informations sont associées à l’image
Des métadonnées liées à l’image
<img alt="File:Eugene delacroix.jpg"
src="451px-Eugene_delacroix.jpg"
width="451" height="599"
title="Autoportrait au gilet vert d'Eugène
Delacroix (1837)"/>
Titre du fichier, titre de l’image, texte alternatif…
9
10. De l’image aux métadonnées
Car des informations sont associées à l’image
Des métadonnées générées automatiquement
Détection automatique des couleurs
10
11. De l’image aux métadonnées
Car des informations sont associées à l’image
Des métadonnées générées automatiquement
Détection automatique des formes (ici un visage)
11
12. De l’image aux métadonnées
Car des informations sont associées à l’image
Des métadonnées générées automatiquement
Mise en relation avec des images similaires
12
13. De l’image aux métadonnées
Les métadonnées
= l’interface entre les humains et la machine pour accéder à l’image
13
15. Quelles métadonnées ?
L’image n’est pas uniforme, elle possède plusieurs dimensions
Objet physique
De quel objet physique du monde réel cette image
est-elle la reproduction ?
Comment est fait cet objet physique ?
Quelle est l’histoire de cet objet physique (événements…) ?
15
16. Quelles métadonnées ?
L’image n’est pas uniforme, elle possède plusieurs dimensions
Objet informationnel
Quelles informations sont véhiculées par l’image ? Que voit-on ?
16
17. Quelles métadonnées ?
L’image n’est pas uniforme, elle possède plusieurs dimensions
Objet numérique
Quelle est le format du fichier ? Quel est son identifiant, son nom… ?
Comment le fichier peut-il être exploité ? Comment a-t-il été obtenu ?
17
18. Quelles métadonnées ?
L’image n’est pas uniforme, elle possède plusieurs dimensions
Objet dans une collection
Comment l’image est entrée dans la collection ?
L’image appartient-elle à un ensemble ?
Qui l’a décrite ? Quand ?
18
20. Trouver une structure commune
Utilisateur A
Titre : La liberté guidant le peuple
Artiste : Eugène Delacroix
Nom du fichier : liberte-guidant.jpg
20
21. Trouver une structure commune
Utilisateur A
Utilisateur B
Titre : La liberté guidant le peuple
Artiste : Eugène Delacroix
Nom du fichier : liberte-guidant.jpg
Title : Autoportrait au gilet Vert
Creator : Eugène Delacroix
Filename : Autoportrait-1837.jpg
21
22. Trouver une structure commune
Utilisateur A
Utilisateur B
Titre : La liberté guidant le peuple
Artiste : Eugène Delacroix
Nom du fichier : liberte-guidant.jpg
Title : Autoportrait au gilet Vert
Creator : Eugène Delacroix
Filename : Autoportrait-1837.jpg
Il faut trouver une structure de métadonnées communes
22
25. Utiliser des références communes
Utilisateur A
creator
Delacroix, Eugène
Utilisateur B
creator
E. Delacroix
25
26. Utiliser des références communes
Utilisateur A
Utilisateur B
creator
creator
?
Delacroix, Eugène
?
E. Delacroix
Il faut utiliser des références communes
26
27. Utiliser des références communes
Utilisateur A
Utilisateur B
creator
creator
?
Delacroix, Eugène
?
E. Delacroix
27
28. Utiliser des références communes
Utilisateur A
Utilisateur B
creator
creator
?
Delacroix, Eugène
?
E. Delacroix
Il faut utiliser des références communes
28
29. Désambiguïser les chaînes de caractères
Utilisateur A
Mots-clés :
peinture, romantique, revolution, dra
peau, gavroche
29
30. Désambiguïser les chaînes de caractères
Utilisateur A
Mots-clés :
peinture, romantique, revolution, dra
peau, gavroche
Utilisateur B
Mots-clés :
tableau, romantisme, Révolution de
1830, flag, Gavroche
30
31. Désambiguïser les chaînes de caractères
Utilisateur A
Mots-clés :
peinture, romantique, revolution, dra
peau, gavroche
Utilisateur B
Mots-clés :
tableau, romantisme, Révolution de
1830, flag, Gavroche
Il faut utiliser un vocabulaire commun
dont les chaînes de caractère ne constituent pas l’identifiant
31
32. Relier des données hétérogènes
Quel est le point commun entre cette image et ce livre ?
32
33. Relier des données hétérogènes
Quel est le point commun entre cette image et ce livre ?
33
34. Relier des données hétérogènes
Quel est le point commun entre cette image et ce livre ?
Il ne faut pas se limiter à relier des objets de même nature
34
36. Relier des vocabulaires
Archives nationales
Bibliothèque nationale de France
Archives de Robespierre
Révolution de 1789
France -- 1789-1799 (Révolution)
36
37. Relier des vocabulaires
Archives nationales
Bibliothèque nationale de France
Archives de Robespierre
Révolution de 1789
France -- 1789-1799 (Révolution)
37
38. Relier des vocabulaires
Archives nationales
Bibliothèque nationale de France
Archives de Robespierre
Révolution de 1789
France -- 1789-1799 (Révolution)
Il faut relier des vocabulaires existants
38
40. Mettre en commun la richesse de l’information
Conversion et copie
Plus petit dénominateur
commun
Il faut partager et relier les données sans perte d’informations
40
43. Le Web de documents
Un dispositif technologique pour mettre à disposition, lier et partager
des documents sur un réseau de machines connectées.
Un mécanisme
de communication
Un mécanisme
d'identification
HTTP
URI
Encoder le message
HTML
Interpréter le code
Relier les documents
Le navigateur Web
Le lien hypertexte
43
44. Le Web de données
Créer une langue pour les machines
HTTP
URI
Une grammaire
Des vocabulaires
Des règles
d’écriture
RDF
RDFS/OWL
RDF/XML, N3
Turtle, RDFa
Des moyens
de communication
SPARQL
44
45. Des identifiants
Attribuer des URIs aux choses
http://www.mied.org/personne/Eugene_Delacroix
http://www.mied.org/oeuvre/Liberte_guidant_le_peuple
http://www.mied.org/lieu/Paris
http://www.mied.org/institution/Louvre
http://www.mied.org/concept/Romantisme
http://www.mied.org/concept/Tableau
45
46. Une grammaire
Exprimer des faits sur les choses sous la forme
d’une phrase simple ou triplets
sujet
objet
prédicat
http://www.mied.org/personne/Eugene_Delacroix
http://www.mied.org/ontologie/auteur
http://www.mied.org/oeuvre/Liberte_guidant_le_peuple
46
47. Dépasser la chaîne de caractères
Disposer d’une URI permet de désambigüiser
une chaîne de caractères
est mort à
“Paris”
?
47
48. Dépasser la chaîne de caractères
Et de produire de nouvelles assertions
sur cette chose
est mort à
http://www.mied.org/lieu/Paris
est un
fait partie de
label
“Paris”@fr
label
“Parigi”@it
48
49. Le graphe
L'ensemble des triplets, reliés les uns aux autres par les URI
qu’ils ont en commun, constitue un graphe.
est contemporain de
est un
est l'auteur de
est un
est mort à
est mort à
est un
est conservé au
se trouve à
est conservé au
49
50. Les principes du Web de données
http://dbpedia.org/resource/
Smoking_pipe_%28tobacco%29
Utiliser des URIs
Donner l’accès aux
données utiles en utilisant
les standards SPARQL et
RDF
Utiliser des URIs
accessibles via HTTP
Source : http://www.w3.org/2009/Talks/0204-ted-tbl/#%281%29
Exprimer
l’URI des objets liés
50
51. Et le Web de données grandit
2009
2008
2007
2011
51
53. Présentation du projet HADOC
HArmonisation de la production des DOnnées Culturelles
Mise au point d’un modèle de données unique pour décrire les
biens culturels de tous types
Mise au point d’un prototype pour :
valider le travail de modélisation ;
évaluer les difficultés pour convertir automatiquement les
données actuelles vers ce modèle ;
montrer les points de recoupement entre les différents
référentiels du Ministère de la culture et de la
Communication ;
montrer l'apport du modèle et des technologies du Web
sémantique pour valoriser les données du MCC.
53
54. Conversion des notices Mistral
Repérage des différentes entités de la notice
et la nature de leurs relations
Lieu
Localisation du bien
Evénement
Agent
Bien culturel
Objet informationnel
Ressource
54
55. Mise en relation directe des notices
Bien culturel issue de Palissy
IM77000138
Est le support de
Image issue de Mémoire
IVR11_02771047
Est associé à
Document d’archive issue d’Arcade
AR504446
55
56. Mise en relation des notices par les
référentiels
IA78000988
Mérimée
Yvelines
INSEE
IM78001418
Palissy
Sculpture
Référentiel Palissy
IM78002464
Palissy
Sculpture
Référentiel Mérimée
56
57. Consolidation du graphe
4e quart 19e siècle
Musée municipal
Frédéric Blandin
Dompierre-sur-Nièvre
Evénement
de création
BOUVEAULT
Théophile François Adolphe
Décor maçonnique
Joconde
57
58. Exploitation du graphe : la hiérarchie
Période de
création
Epoque
contemporaine
XIXe
1ère moitié
du XIXe
2ème moitié
du XIXe
IM34001703
58
59. Exploitation du graphe : la hiérarchie
Période de
création
Epoque
contemporaine
XIXe
1ère moitié
du XIXe
2ème moitié
du XIXe
IM34001703
59
60. Exploitation du graphe : enrichissement
48.856930
Latitude
2.341200
Longitude
Coordonnées géographiques
Musée du Louvre
M5037010481
60
61. Exploitation du graphe : enrichissement
48.856930
Latitude
2.341200
Longitude
Coordonnées géographiques
Musée du Louvre
M5037010481
61
62. Exploitation du graphe : enrichissement
48.856930
Latitude
2.341200
Longitude
Coordonnées géographiques
Ile-de-France
Musée du Louvre
M5037010481
Paris
62
63. Exploitation du graphe : enrichissement
48.856930
Latitude
2.341200
Longitude
Coordonnées géographiques
Ile-de-France
Musée du Louvre
M5037010481
Paris
63
64. Exploitation du graphe : le parcours
4e quart 19e siècle
Musée municipal
Frédéric Blandin
Dompierre-sur-Nièvre
Evénement
de création
BOUVEAULT
Théophile François Adolphe
Décor maçonnique
Joconde
64
65. Exploitation du graphe : le parcours
4e quart 19e siècle
Musée municipal
Frédéric Blandin
Dompierre-sur-Nièvre
Evénement
de création
BOUVEAULT
Théophile François Adolphe
Décor maçonnique
Joconde
65
67. Exemples de facettes
Hiérarchie administrative rétablie à partir du référentiel de l’INSEE
Hiérarchie administrative rétablie à partir de la structure du
référentiel Palissy
Facette à plat à partir de l’annotation avec le référentiel Palissy
67