Améliorez le taux de transformation de votre site marchand avec AFS@Store !Antidot
Magento est une plateforme e-commerce très utilisée. Pour autant, le moteur de recherche intégré à Magento ne donne pas satisfaction aux e-marchands exigeants. C'est également le cas pour d'autres solutions e-commerce. L'intégration du moteur de recherche e-commerce AFS@Store est une opération très simple à réaliser, et qui améliore rapidement et de manière très importante le taux de transformation d'un site marchand.
Pourquoi vous priver de chiffre d'affaires supplémentaire ?
AFS@Store est déjà utilisé notamment par les 3 Suisses, Camaïeu, Casino, Château Online, Cultura, Damart, Discounteo, Feu Vert, Galeries Lafayette, IKKS, Internity, King Jouet, Made in Design, Made in Sport, La Maison de Valérie, Mathon, MotoBlouz, Oreca, Pecheur.com, Petit Bateau, Pimkie, Privilège Discount, Sexy Avenue, Surcouf, Wanimo... (liste non exhaustive) qui ont réellement mesuré ses résultats positifs sur leur business !
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.
AFS@Store : recherche sémantique et searchandising automatisé.
Augmentez votre taux de conversion de 30%
Installation rapide et maintenance simplifiée.
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.
L'apport des technologies du Semantic web pour le marketing, construire une vision à 360° sur vos clients et prospects pour développez vos interactions et flux d'échanges
Améliorez le taux de transformation de votre site marchand avec AFS@Store !Antidot
Magento est une plateforme e-commerce très utilisée. Pour autant, le moteur de recherche intégré à Magento ne donne pas satisfaction aux e-marchands exigeants. C'est également le cas pour d'autres solutions e-commerce. L'intégration du moteur de recherche e-commerce AFS@Store est une opération très simple à réaliser, et qui améliore rapidement et de manière très importante le taux de transformation d'un site marchand.
Pourquoi vous priver de chiffre d'affaires supplémentaire ?
AFS@Store est déjà utilisé notamment par les 3 Suisses, Camaïeu, Casino, Château Online, Cultura, Damart, Discounteo, Feu Vert, Galeries Lafayette, IKKS, Internity, King Jouet, Made in Design, Made in Sport, La Maison de Valérie, Mathon, MotoBlouz, Oreca, Pecheur.com, Petit Bateau, Pimkie, Privilège Discount, Sexy Avenue, Surcouf, Wanimo... (liste non exhaustive) qui ont réellement mesuré ses résultats positifs sur leur business !
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.
AFS@Store : recherche sémantique et searchandising automatisé.
Augmentez votre taux de conversion de 30%
Installation rapide et maintenance simplifiée.
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.
L'apport des technologies du Semantic web pour le marketing, construire une vision à 360° sur vos clients et prospects pour développez vos interactions et flux d'échanges
1. Mondeca hacene.cherfi@mondeca.com
26/10/2011
Enrichissement des moteurs de recherche à partir de connaissances métier
LERUDI : consultation du dossier patient en
situation d’urgence
2. Partenaires industriels
Intégrateur
Moteur de recherche
Analyse linguistique
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
4. Ecran d’accueil du prototype
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
5. Objectifs
• Cinq exigences
1. Extraire des connaissances à partir de documents médicaux plus ou moins
structurés ;
2. Extraire les informations en quelques secondes et permettre d’effectuer
des requêtes complémentaires pour explorer le contenu du dossier ;
3. Extraire uniquement des informations exactes (éviter les contresens) ;
4. Minimiser le silence : ne pas oublier une information importante pour
l’urgentiste ;
5. Minimiser le bruit : ne pas « noyer » l’urgentiste avec des informations
exactes, mais non déterminantes.
• Amélioration de l’accès au dossier médical patient
– Base de connaissances médicale ;
– Règles d’indexation des documents médicaux ;
– Interface efficace de visualisation.
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
6. Schéma général
ITM SDK
Terminologies +
hiérarchies
Index
AFS
Graphe + Règles
d’indexation
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
7. Plan
Base de connaissances (BC) médicale
Utilisation de la BC dans le prototype
Règles d’indexation
Démo
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
8. Nombre de termes dans BC
• Termes concepts médicaux (30 806)
– Médicaments (5 513)
– Etats pathologiques (5 092)
– Actes médicaux (3 146)
– Divers (~ 150)
• Termes relations (59)
– Sujet : abcès mésentérique
– Prédicat : « est une maladie de la spécialité médicale »
– Objet : chirurgie
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
13. Autres termes médicaux #2
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
14. Facteurs sociaux
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
15. relations
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
16. Exemple d’utilisation d’une relation
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
17. Mise à jour de la base de connaissances
Non lié :
– Réanimation
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
18. Schéma général
ITM SDK
Terminologies +
hiérarchies
Index
AFS
Graphe + Règles
d’indexation
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
19. Plan
Base de connaissances (BC) médicale
Utilisation de la BC dans le prototype
Règles d’indexation
Démo
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
20. Annotations
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
21. Utilisation de la BC dans le prototype
Trois grandes classifications
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
22. BC dans le prototype
• Vue hiérarchique
– 12 documents pour
« Abcès de foie »
– 9 documents pour
« Choc septique »
– …
23. Utilisation de la BC dans le prototype
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
24. Plan
Base de connaissances médicale
Utilisation de la BC dans le prototype
Règles d’indexation
Démo
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
25. Règles d’indexation en SPARQL
R1 : Conserver la pathologie la plus précise
Si deux concepts A et B sont présents dans un document.
A et B sont tous deux fils du concept « Etat pathologique ».
B est lui-même fils de A.
B a la propriété « Concept terminologique » à vrai)
alors (seul B est marqué avec la propriété « Instance importante »).
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
26. Règles d’indexation en SPARQL
R1 : Conserver la pathologie la plus précise
Si deux concepts A et B sont présents dans un document.
A et B sont tous deux fils du concept « Etat pathologique ».
B est lui-même fils de A.
B a la propriété « Concept terminologique » à vrai)
alors (seul B est marqué avec la propriété « Instance importante »).
R2 : Ne pas conserver une annotation quand le concept est précédé
de « absence de » ou d'une expression équivalente
Si une Instance a une propriété « a Patron » qui la lie à la classe « Absence de »,
alors l'instance ne doit pas être marquée avec la propriété « Instance
importante ».
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
27. Plan
Base de connaissances médicale
Utilisation de la BC dans le prototype
Règles d’indexation
Démo
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
28. Conclusion
• Référentiels métier
– Base de connaissances Organiser des vues du données
– Règles d’indexation Hiérarchiser par niveaux de granularité
– Portail sémantique Visibilité améliorée
• Tout cela est difficile à réaliser sur un portail /
moteur de recherche / analyseur fondé sur une
indexation / traitement classique
Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier