Search

Our research focuses on the recommendation of new job offers that have just been posted and have no interaction history (cold start). To this objective, we adapt well-knowns recommendations systems in the field of e-commerce by exploiting the record of use of all job seekers on previous offers. One of the specificities of the work presented is to have considered real data, and to have tackled the challenges of heterogeneity and noise of textual documents. The presented contribution integrates the information of the collaborative data to learn a new representation of text documents, which is required to make the so-called cold start recommendation of a new offer. The new representation essentially aims to build a good metric. The search space considered is that of neural networks. Neural networks are trained by defining two loss functions. The first seeks to preserve the local structure of collaborative information, drawing on non-linear dimension reduction approaches. The second is inspired by Siamese networks to reproduce the similarities from the collaborative matrix. The scaling up of the approach and its performance are based on the sampling of pairs of offers considered similar. The interest of the proposed approach is demonstrated empirically on the real and proprietary data as well as on the CiteULike public benchmark. Finally, the interest of the approach followed is attested by our participation in a good rank in the international challenge RecSys 2017 (15/100, with millions of users and millions of offers).; Notre recherche porte sur la recommandation de nouvelles offres d'emploi venant d'être postées et n'ayant pas d'historique d'interactions (démarrage à froid). Nous adaptons les systèmes de recommandations bien connus dans le domaine du commerce électronique à cet objectif, en exploitant les traces d'usage de l'ensemble des demandeurs d'emploi sur les offres antérieures. Une des spécificités du travail présenté est d'avoir considéré des données réelles, et de s'être attaqué aux défis de l'hétérogénéité et du bruit des documents textuels. La contribution présentée intègre l'information des données collaboratives pour apprendre une nouvelle représentation des documents textes, requise pour effectuer la recommandation dite à froid d'une offre nouvelle. Cette représentation dite latente vise essentiellement à construire une bonne métrique. L'espace de recherche considéré est celui des réseaux neuronaux. Les réseaux neuronaux sont entraînés en définissant deux fonctions de perte. La première cherche à préserver la structure locale des informations collaboratives, en s'inspirant des approches de réduction de dimension non linéaires. La seconde s'inspire des réseaux siamois pour reproduire les similarités issues de la matrice collaborative. Le passage à l'échelle de l'approche et ses performances reposent sur l'échantillonnage des paires d'offres considérées comme similaires. L'intérêt de l'approche proposée est démontrée empiriquement sur les données réelles et propriétaires ainsi que sur le benchmark publique CiteULike. Enfin, l'intérêt de la démarche suivie est attesté par notre participation dans un bon rang au challenge international RecSys 2017 (15/100; un million d'utilisateurs pour un million d'offres).

Our research focuses on the recommendation of new job offers that have just been posted and have no interaction history (cold start). To this objective, we adapt well-knowns recommendations systems in the field of e-commerce by exploiting the record of use of all job seekers on previous offers. One of the specificities of the work presented is to have considered real data, and to have tackled the challenges of heterogeneity and noise of textual documents. The presented contribution integrates the information of the collaborative data to learn a new representation of text documents, which is required to make the so-called cold start recommendation of a new offer. The new representation essentially aims to build a good metric. The search space considered is that of neural networks. Neural networks are trained by defining two loss functions. The first seeks to preserve the local structure of collaborative information, drawing on non-linear dimension reduction approaches. The second is inspired by Siamese networks to reproduce the similarities from the collaborative matrix. The scaling up of the approach and its performance are based on the sampling of pairs of offers considered similar. The interest of the proposed approach is demonstrated empirically on the real and proprietary data as well as on the CiteULike public benchmark. Finally, the interest of the approach followed is attested by our participation in a good rank in the international challenge RecSys 2017 (15/100, with millions of users and millions of offers)., Notre recherche porte sur la recommandation de nouvelles offres d'emploi venant d'être postées et n'ayant pas d'historique d'interactions (démarrage à froid). Nous adaptons les systèmes de recommandations bien connus dans le domaine du commerce électronique à cet objectif, en exploitant les traces d'usage de l'ensemble des demandeurs d'emploi sur les offres antérieures. Une des spécificités du travail présenté est d'avoir considéré des données réelles, et de s'être attaqué aux défis de l'hétérogénéité et du bruit des documents textuels. La contribution présentée intègre l'information des données collaboratives pour apprendre une nouvelle représentation des documents textes, requise pour effectuer la recommandation dite à froid d'une offre nouvelle. Cette représentation dite latente vise essentiellement à construire une bonne métrique. L'espace de recherche considéré est celui des réseaux neuronaux. Les réseaux neuronaux sont entraînés en définissant deux fonctions de perte. La première cherche à préserver la structure locale des informations collaboratives, en s'inspirant des approches de réduction de dimension non linéaires. La seconde s'inspire des réseaux siamois pour reproduire les similarités issues de la matrice collaborative. Le passage à l'échelle de l'approche et ses performances reposent sur l'échantillonnage des paires d'offres considérées comme similaires. L'intérêt de l'approche proposée est démontrée empiriquement sur les données réelles et propriétaires ainsi que sur le benchmark publique CiteULike. Enfin, l'intérêt de la démarche suivie est attesté par notre participation dans un bon rang au challenge international RecSys 2017 (15/100; un million d'utilisateurs pour un million d'offres).

Environmental issues related to the use of metalworking fluids during machining steps require the development of newresistant materials operating in "Near Dry Machining" or in "Dry Machining" conditions. The field of thin coatings and moreparticularly Physical Vapor Deposition (PVD) enable the synthesis of resistant materials. Titanium nitride (TiN) is widely usedin industry and is an example of the efficiency of coatings. However, the poor oxidation resistance of this coating limits itsuse. On the contrary, chromium nitride (CrN) is an excellent candidate for applications at high temperatures despite its lowermechanical properties. The recent development of nanostructured coatings can overcome such inconvenience. The objectiveof this work is to study the influence of a controlled nanoscale microstructure on the durability of CrN thin films synthesizedby cathodic arc evaporation. The different microstructures are obtained by silicon or aluminum addition, or by alternatinglayers (multilayer structure).Adding aluminium to CrN leads to the formation of a solid solution and improves the mechanical properties of the coating.Resistance to oxidation is increased by the strong Al-N bonds, which limit nitrogen release, and thus delay the oxidation. Inaddition, the phase separation of CrAlN into CrN and AlN isolates the CrN grains from the surrounding atmosphere andincreases their thermal stability. The same phenomenon is detected after friction tests and seems to account for the improvedwear resistance. Silicon addition results in the formation of a nanocomposite coating for a minimum content of about 2 at.%.This structure is composed of nanometric grains embedded in an amorphous matrix. The structure change is followed by asignificant increase in the oxidation resistance, due to the diffusional barrier properties of the matrix, protecting thereby theCrN nano-grains. In contrast, a too large fraction of amorphous phase appears detrimental to the tribological behavior. Thecoating becomes brittle and is prone to cracks emergence. The use of these individual layers in a multilayer coating can avoidthis last consequence. Thanks to a micro-tensile machine, the alternating architecture was found to limit the cracks formation.Layered film seems thus to be very promising in the case of severe working conditions. Similarly, stratification between CrNand CrAlN allows the synthesis of highly sustainable coatings despite the mechanical properties governed by a law ofmixtures.The originality of this work lies in determining the degradation mechanisms of the different microstructures by establishingthe link between microstructure and wear properties on the one hand, and by in situ observation of damages on the other hand.; Les enjeux environnementaux liés à l'utilisation des fluides de coupe lors des étapes d'usinage, nécessitent le développementde nouveaux matériaux résistant à une utilisation en lubrification réduite, voire à sec. Le domaine des revêtements en couchesminces et plus particulièrement des dépôts physiques en phase vapeur (PVD) permet de synthétiser des surfaces adaptées à cetype d'utilisation sévère. Le nitrure de titane (TiN), largement utilisé dans l'industrie, montre toute l'efficacité de cesrevêtements. Ses performances sont cependant limitées à des températures modérées. Au contraire, le caractère réfractairemarqué du nitrure de chrome (CrN) en fait un candidat de choix pour des applications à hautes températures. Les propriétésmécaniques de ces nitrures sont certes moindres, mais le développement récent de microstructures nanométriques laisseaugurer des performances intéressantes que nous nous proposons d'étudier. L'objectif de ce travail est de déterminer l'influenced'une microstructure contrôlée à l'échelle nanométrique sur la durabilité de films minces base CrN, synthétisés par évaporationpar arc cathodique. Les différentes microstructures sont obtenues par modification chimique (addition d'aluminium et desilicium) ou par alternance des couches.L'ajout d'aluminium à CrN aboutit à la formation d'une solution solide et améliore les propriétés mécaniques du revêtement.La résistance à l'oxydation est augmentée par la présence de liaisons fortes Al-N, qui permettent de limiter le départ d'azote etainsi de retarder le phénomène d'oxydation. De plus, la démixtion de la phase initiale CrAlN en deux phases distinctes, CrN etAlN, tend à isoler les grains de CrN et ainsi à améliorer leur stabilité thermique. La même transformation est observée aprèsles essais de frottement et semble à l'origine des performances accrues du dépôt vis-à-vis de l'usure. L'addition de silicium setraduit par la synthèse d'un revêtement nanocomposite pour une teneur minimale d'environ 2 % at. Cette structure est forméede grains nanométriques enrobés dans une matrice amorphe. Le changement de structure s'accompagne d'une meilleurerésistance à l'oxydation, en raison des propriétés de barrière diffusionnelle de la matrice qui protège les nano-grains de CrN.En revanche, une fraction volumique trop importante de la phase amorphe apparaît préjudiciable au comportementtribologique. Le revêtement présente dans ce cas un comportement fragile, favorisant la formation et la propagation defissures. L'emploi de ces mêmes films (CrN et CrSiN) en architecture nanostratifiée inhibe néanmoins ce comportement. Desessais de micro-traction montrent que l'alternance des couches permet de limiter la formation de fissures, si bien quel'architecture multicouche semble prometteuse dans le cas de sollicitations sévères. De même, la stratification de CrN etCrAlN donne des revêtements extrêmement durables, malgré des propriétés mécaniques intermédiaires régies par une loi desmélanges.L'originalité de ce travail réside dans la détermination des mécanismes de dégradation des différentes microstructures, d'unepart en établissant le lien entre microstructure et propriétés d'usage, et d'autre part en considérant ces dégradation selon uneapproche in situ locale.