Un système de recommandation hybride

Table des matières

Liste des figures
Liste des tableaux
Introduction générale
Chapitre1.Les Systèmes de recommandations classiques
1.1 Introduction
1.2. Historique
1.3. Définition des systèmes de recommandations
1.4. Objectif des systèmes de recommandation
1.5. Les étapes principales de la recommandation
1.5.1. Collecte d’information
1.5.2. Mise en oeuvre d’une matrice utilisateur d’informations récoltées
1.5.3. Extraction de la liste de recommandations
1.6. Les principales approches de filtrage
1.6.1. Filtrage basé sur le contenu (content based filtering)
1.6.2. Filtrage collaboratif (collaborative filtering)
1.6.3. Filtrage hybride (hybrid filtering)
1.7. Avantages et inconvénients des systèmes de recommandations
1.8. Evaluation des Systèmes de recommandation
1.8.1. Évaluation online
1.8.2. Evaluation offline
1.9. Conclusion
Chapitre2.Les systèmes de recommandation sensible au contexte
2.1. Introduction
2.2 Définition du contexte
2.3 Sources d’informations contextuelles
2.4 Caractéristiques du Contexte
2.5 Dimension du Contexte
2.6 Systèmes sensibles au contexte
2.7 . Approches d’intégration du contexte dans les systèmes de recommandation
2.7.1 Approche de Pré-filtrage Contextuel (contextual pre-filtering)
2.7.2. Approche de Post-filtrage Contextuel (contextual post-filtering)
2.7.3. Approche de la Modélisation Contextuelle (contextual modeling
2.8. Exemples de Système de Recommandation sensibles au contexte
2.8.1. Micro-profiling
2.8.2. Amazon
2.9. Splitting approche du pré-filtrage contextuel
2.10. Conclusion
Chapitre3.Implémentation de l’approche de découpage
3.1. Introduction
3.2. Terminologies utilisées
3.3. Description de l’approche de découpage
3.3.1. Algorithmes de découpage
3.3.1.1. Découpage par item
3.3.1.2. Découpage par utilisateur
3.3.1.3. Découpage par item&utilisateur
3.3.2. Critères d’impuretés
3.4. Implémentation de l’approche de découpage
3.4.1. Processus de découpage
3.4.2. Calcul taux de similarité
3.4.3. Calcul de prédiction
3.4.4. Top N Recommandation
3.5. Evaluation
3.5.1. Description du Dataset
3.5.2. Méthode d’évaluation
3.5.3. Résultat
3.6. Conclusion
Chapitre4.Utilisation de la Bibliothèque CarsKit
4.1. Introduction
4.2. Conception
4.3. Algorithmes
4.3.1. Algorithmes de transformations
4.3.2. Algorithmes d’adaptations
4.4. Evaluation
4.5. Guide d’utilisation
4.5.1. Téléchargement de fichier CARSKit
4.5.2. Format de donnée
4.5.3. Préparation de donnée
4.5.4. Configuration
4.5. Conclusion
Conclusion générale
Références Bibliographiques
Liste des Abréviation
Résumé