Titre : |
Un système de recommandation social et sémantique sensible au contexte |
Type de document : |
texte imprimé |
Auteurs : |
EL YEBDRI, Zeyneb ép. BOUKLI-HACENE, Auteur ; BENSLIMANE, Sidi Mohammed, Auteur |
Editeur : |
Univ tlemcen |
Année de publication : |
2021 |
Importance : |
130 p. |
Présentation : |
ill. |
Format : |
30 cm |
Accompagnement : |
cd |
Langues : |
Français (moyen) (frm) |
Résumé : |
Le travail présenté dans ce manuscrit se situe dans le domaine des systèmes de recommandation
sensible au contexte (CARS) qui vise à améliorer les systèmes de recommandation
traditionnels (SR) en prenant en compte les informations du contexte lors
de la prédiction. Cependant, ces systèmes souffrent de certains défis, tels que le démarrage
à froid et la rareté des données. De nouvelles méthodes sont proposées pour
surmonter ces problèmes. Nous proposons dans notre travail, trois contributions. La
première contribution consiste à palier les limites de l’approche du découpage sensible
au contexte (Context-aware splitting approach (CASA)) qui représente l’une des
approches de pré-filtrage les plus efficaces du système de recommandation sensible
au contexte. Nous proposons d’ajouter principalement des informations de confiance
ainsi sémantique pour améliorer la qualité de prédiction. La deuxième contribution
consiste à proposer une approche hybride intitulée : Approche de post-filtrage sensible
au contexte basée sur la confiance, qui utilise des déclarations de confiance comme
une information riche avec la méthode de compensation de contexte qui appartient à
l’approche de post-filtrage contextuel.
Les résultats des expérimentations révèlent que ces approches améliorent la pertinence
des recommandations et surpasse les autres approches non contextuelles de la
littérature en terme de précision.
Une autre approche que nous proposons : Approche de modélisation contextuelle
basée sur la sémantique et la confiance (ST-CAMA), qui combine les informations
de confiance et de contexte en utilisant la pondération contextuelle. Aussi, afin de
sélectionner uniquement les voisins de confiance et qui ont des intérêts communs à
l’item cible pour l’utilisateur actif, nous proposons de construire des clusters se basant
sur des similarités sémantiques enrichis sémantiquement via les données ouvertes
liées(LOD). |
Un système de recommandation social et sémantique sensible au contexte [texte imprimé] / EL YEBDRI, Zeyneb ép. BOUKLI-HACENE, Auteur ; BENSLIMANE, Sidi Mohammed, Auteur . - Univ tlemcen, 2021 . - 130 p. : ill. ; 30 cm + cd. Langues : Français (moyen) ( frm)
Résumé : |
Le travail présenté dans ce manuscrit se situe dans le domaine des systèmes de recommandation
sensible au contexte (CARS) qui vise à améliorer les systèmes de recommandation
traditionnels (SR) en prenant en compte les informations du contexte lors
de la prédiction. Cependant, ces systèmes souffrent de certains défis, tels que le démarrage
à froid et la rareté des données. De nouvelles méthodes sont proposées pour
surmonter ces problèmes. Nous proposons dans notre travail, trois contributions. La
première contribution consiste à palier les limites de l’approche du découpage sensible
au contexte (Context-aware splitting approach (CASA)) qui représente l’une des
approches de pré-filtrage les plus efficaces du système de recommandation sensible
au contexte. Nous proposons d’ajouter principalement des informations de confiance
ainsi sémantique pour améliorer la qualité de prédiction. La deuxième contribution
consiste à proposer une approche hybride intitulée : Approche de post-filtrage sensible
au contexte basée sur la confiance, qui utilise des déclarations de confiance comme
une information riche avec la méthode de compensation de contexte qui appartient à
l’approche de post-filtrage contextuel.
Les résultats des expérimentations révèlent que ces approches améliorent la pertinence
des recommandations et surpasse les autres approches non contextuelles de la
littérature en terme de précision.
Une autre approche que nous proposons : Approche de modélisation contextuelle
basée sur la sémantique et la confiance (ST-CAMA), qui combine les informations
de confiance et de contexte en utilisant la pondération contextuelle. Aussi, afin de
sélectionner uniquement les voisins de confiance et qui ont des intérêts communs à
l’item cible pour l’utilisateur actif, nous proposons de construire des clusters se basant
sur des similarités sémantiques enrichis sémantiquement via les données ouvertes
liées(LOD). |
|