Des informations générales:

MASTER

Le niveau
Vers une approche de recommandation sociale à base de préférence

Titre
Génie informatique

SPECIALITE

Page de garde:

Vers une approche de recommandation sociale à base de préférence

Sommaire:

Introduction Générale Chapitre I: Les systèmes de recommandation et les recommandations sociales I.1 Introduction I.2 Définition des systèmes de recommandations I.3 Processus de recommandation I.3.1 Acquisition d’informations I.3.2 Profil utilisateur I.3.3 Catalogue de suggestions I.4 Domaines d’application des systèmes de recommandation I.5 Techniques de recommandation I.5.1 Recommandation collaborative I.5.1.1 Approche basée sur la mémoire I.5.1.2 Approche basée sur le modèle I.5.2 Recommandation basée sur le contenu I.5.3 Recommandation démographique I.5.4 Recommandation basée sur la connaissance I.5.5 Recommandation hybride I.6 Recommandations sociales I.6.1 Classification des systèmes de recommandation sociale I.6.1.1 Contexte I.6.1.2 Confiance I.6.1.3 Tags I.6.1.4 Groupe I.6.1.5 Réseaux sociaux croisés I.6.1.6 Dynamique temporelle I.6.1.7 Connexions sociales hétérogènes I.6.1.8 Filtrage sémantique I.6.2 Difficultés des systèmes de recommandation sociale I.7. Défis liés aux systèmes de recommandation I.8. Conclusion Chapitre II :Les principaux algorithmes de deep learning et leurs applications dans la recommandation sociale II.1 Introduction II.2 Intelligence artificielle II.3 Apprentissage automatique II.3.1 Les types d’apprentissage automatique II.3.1.1 Apprentissage supervisé II.3.1.2 Apprentissage non supervisé II.3.1.3 Apprentissage par renforcement II.4 L’apprentissage profond II.5 Les algorithmes d’apprentissage profond II.5.1 Réseaux de neurones artificiels II.5.2 Réseaux de neurones convolutifs (CNN) II.5.3 Réseaux de neurones récurrents (RNN) II.5.4 AutoEncodeurs (AE) II.5.5 Réseaux de neurones graphiques (GNN) II.5.5.1 Notions de base en théorie des graphes II.5.5.2 Applications II.5.5.3 Architectures II.5.5.4 Limitations II.6. Recommandation sociale basée sur le deep learning II.6.1 DiffNet++ II.6.2 DSCF (Deep Social Collaborative Filtering) II.7 Conclusion Chapitre III: Recommandation Sociale Basée sur les Réseaux de Neurones Graphiques III.1 Introduction III.2 Réseau de neurones graphiques dans la recommandation sociale III.2.1 Modèle de graphe unifié III.2.2 Modèle de graphe séparé III.3 Présentation du modèle GraphRec III.3.1 Modélisation de l’utilisateur III.3.2 Modélisation de l’item III.3.3 Prédiction III.4 Expérimentations III.4.1 Jeux de données III.4.2 Nettoyage de l’ensembles de données FilmTrust III.4.3 Métriques d’évaluation III.4.3.1 Erreur quadratique moyenne (RMSE) III.4.3.2 Erreur absolue moyenne (MAE) III.5 Présentation de l’application III.6 Résultats et analyse III.7 Conclusion Conclusion générale Bibliographies

Télécharger:


 

Pour plus de sources et références universitaires (mémoires, thèses et articles ), consultez notre site principal.