Avec la montée de la technologie et la facilité d'accès à Internet, les utilisateurs sont submergés par un large éventail de choix disponibles et une quantité considérable d'informations [6]. Il devient nécessaire d'avoir accès à des outils et des techniques efficaces pour filtrer les données et de les rendre utilisables pour des opérations de tous les jours. À cette fin, des systèmes de recommandations, qui ont fait l'objet de recherche active et de développement au cours des 15 dernières années, sont maintenant capables de fournir aux utilisateurs des choix [51] sur ce qu'ils aimeraient lire, acheter, regarder, manger, etc. La problématique étudiée dans ce mémoire est l'utilisation d'informations implicites pour construire des systèmes de recommandations en utilisant une approche par filtrage collaboratif. Beaucoup de travaux ont été faits sur l'utilisation de filtrage collaboratif à l'aide d'informations explicites telles que les cotes [48], [43], [19], [33]. Cependant, les techniques développées pour les systèmes de recommandations comprenant des articles sans informations explicites restent rudimentaires. Le plus grand défi vis-à-vis les systèmes de recommandations à informations implicites est l'absence de rétroaction de la part de l'utilisateur si nous n'utilisons pas un expert comme par exemple, un vendeur. En outre, comme il est mentionné dans [51], lorsque qu'un système avec cote existe, la proportion des éléments évalués est souvent inférieure à 1%. Par conséquent, même pour les systèmes de recommandations qui utilisent des informations explicites telles que les cotes, il est crucial d'avoir une méthode qui tire profit des informations implicites. Les progrès dans ce domaine sont timides depuis les dernières années. Il y a eu des études sur les recommandations par rapport aux médias sociaux en se basant sur des utilisateurs et des mots-clés [18], la modélisation probabiliste [30] et la modélisation sémantique basée sur la recommandation de nouvelles [29]. S'il est vrai que ces techniques utilisent des informations implicites, seuls quelques-uns [40], [23] abordent la question de recommander des produits d'un magasin sans l'utilisation d'informations explicites. Ces méthodes nécessitent généralement la disponibilité d'un expert afin de prendre la rétroaction d'un client ou le réglage de nombreux paramètres. Dans notre étude, nous avons réussi à élaborer un algorithme permettant de soumettre des recommandations personnelles à un utilisateur en utilisant seulement des informations implicites. Notre technique, lorsque comparée à un système semblable qui utiliserait des cotes comme informations explicites, génère de très bons résultats. De plus, lorsque la méthode développée est comparée à d'autres systèmes utilisant de l'information implicite, elle offr des résultats qui sont comparables et parfois supérieurs à ceux-ci.
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/6599 |
| Date | January 2013 |
| Creators | Renaud-Deputter, Simon |
| Contributors | Wang, Shengrui |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | French |
| Detected Language | French |
| Type | Mémoire |
| Rights | © Simon Renaud-Deputter |
Page generated in 0.0893 seconds