Utilisation De Factorisation Matricielle Dans Les Systèmes De Recommandation Sensible Au Contexte.
Résumé: Les systèmes de recommandation sont utilisés avec succès pour fournir des items (exemple : les films, la musique, les livres, les nouvelles, les images) adaptées aux préférences des utilisateurs. Parmi les approches proposées, nous utilisons l’approche de filtrage collaboratif qui consiste à trouver l'information qui satisfait l’utilisateur en utilisant les évaluations des autres utilisateurs. Ces évaluations sont stockées dans des matrices que leurs tailles augmentent exponentiellement pour prédire si un item est intéressant ou pas. Le problème est que ces systèmes négligent qu’une évaluation a été peut-être influencée par d’autres facteurs que nous appelons le facteur contextuel. Notre objectif est d’intégrer l’information contextuelle en appliquant l’approche de post-filtrage contextuelle des systèmes de recommandation sensible au contexte pour améliorer la qualité de la recommandation. L’avantage de cette approche est le fait qu’elle ne nécessite pas un nouvel algorithme pour le calcul des prédictions. Nous allons appliquer l’algorithme de factorisation matricielle du filtrage collaboratif qui se base sur la méthode de réduction dimensionnelle et plus précisément SVD++ (décomposition de la valeur singulière).
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
