Système de recommandation à base de communautés
Des informations générales:
Le niveau |
Master |
Titre |
Système de recommandation à base de communautés |
SPECIALITE |
Génie Informatique |
Page de garde:
Sommaire:
Remerciement
Introduction générale
CHAPITRE I : Système de recommandation collaboratif.
1.Introduction
2.Système de Recommandation
3.Domaines d’application des systèmes de recommandation.
4.Classifications des SRS
4.1 Système de recommandation démographique.
4.2 Recommandation basée sur les connaissances.
4.3 Système basé sur les contraintes
4.4 Recommandation basée sur la communauté.
4.5 Système de recommandation contextuel
5. Aperçu de l’architecture des SRS.
6. Types d’approches de recommandation
6.1 Approche basée sur le contenu
6.1.1 Prétraitement et extraction de caractéristiques
6.1.2 Apprentissage basé sur le contenu des profils d’utilisateurs .
6.1.3 Filtrage et recommandation
6.2 Approche basée sur le filtrage collaboratif
1.6.2.1 Algorithmes basés sur la mémoire
1.6.2.2 Algorithmes basés sur des modèles.
6.3 Système de recommandation hybride.
7. Problèmes et Difficultés d’un système recommandations
7.1 Démarrage à froid
7.2 Sérendipité.
7.3 Sécurité ou crédibilité
7.4 Masse critique.
7.5 Problème du mouton gris.
8 Conclusion
CHAPITRE II: Les principales méthodes de détection de communautés.
1. Introduction.
2. Réseaux Sociaux
2.1 Représentation des réseaux sociaux
3. Détection des communautés dans les réseaux sociaux.
3.1 Communauté
4. Méthodes de regroupement d’éléments similaires.
4.1 Partitionnement de graphe.
4.2 Clustering
5. Algorithmes pour la détection communautés
5.1 Détection de communautés basée sur le partitionnement de graphes
5.2 Détection de communautés basée sur le clustering.
5.3 Détection de communautés basée sur la propagation d’étiquettes.
5.4 Détection de communautés basée sur des algorithmes génétiques (GA)
6. Méthodes pour détecter les communautés qui se chevauchent
6.1 Méthodes basées sur les cliques pour la détection de communautés qui se chevauchent
7. Détection de communautés dynamique
7.1 Approches par détections statiques successives.
7.2 Approches par détections statiques informées successives
7.3 Approches travaillant sur des réseaux temporels
8. Système de recommandation basé sur la détection de communautés
9. Conclusion
CHAPITRE III :Vers une approche de recommandation collaborative à base de communautés 51
1 Introduction
2 Problématique et objectif
3 Solution proposée.
3.1 Calcul de la similarité démographique des utilisateurs
3.2 Détection des communautés
3.3 Affectation communautaire de l’utilisateur cible.
4. Implémentation
3.4 Prédiction de notes et génération de recommandations
4.1 Outils et environnement de développement
4.1.1 Langages de programmation
5. Expérimentations.
5.1 Jeux de données
5.2 Métriques d’évaluation
5.2.1 précision.
5.2.2 Erreur Absolue Moyenne (MAE).
5.2.3 Erreur Quadratique Moyenne (RMSE).
6 Présentation de l’Application
7. Résultats et analyses
8. Conclusion
Conclusion générale
Bibliographie et Référence.
Introduction générale
CHAPITRE I : Système de recommandation collaboratif.
1.Introduction
2.Système de Recommandation
3.Domaines d’application des systèmes de recommandation.
4.Classifications des SRS
4.1 Système de recommandation démographique.
4.2 Recommandation basée sur les connaissances.
4.3 Système basé sur les contraintes
4.4 Recommandation basée sur la communauté.
4.5 Système de recommandation contextuel
5. Aperçu de l’architecture des SRS.
6. Types d’approches de recommandation
6.1 Approche basée sur le contenu
6.1.1 Prétraitement et extraction de caractéristiques
6.1.2 Apprentissage basé sur le contenu des profils d’utilisateurs .
6.1.3 Filtrage et recommandation
6.2 Approche basée sur le filtrage collaboratif
1.6.2.1 Algorithmes basés sur la mémoire
1.6.2.2 Algorithmes basés sur des modèles.
6.3 Système de recommandation hybride.
7. Problèmes et Difficultés d’un système recommandations
7.1 Démarrage à froid
7.2 Sérendipité.
7.3 Sécurité ou crédibilité
7.4 Masse critique.
7.5 Problème du mouton gris.
8 Conclusion
CHAPITRE II: Les principales méthodes de détection de communautés.
1. Introduction.
2. Réseaux Sociaux
2.1 Représentation des réseaux sociaux
3. Détection des communautés dans les réseaux sociaux.
3.1 Communauté
4. Méthodes de regroupement d’éléments similaires.
4.1 Partitionnement de graphe.
4.2 Clustering
5. Algorithmes pour la détection communautés
5.1 Détection de communautés basée sur le partitionnement de graphes
5.2 Détection de communautés basée sur le clustering.
5.3 Détection de communautés basée sur la propagation d’étiquettes.
5.4 Détection de communautés basée sur des algorithmes génétiques (GA)
6. Méthodes pour détecter les communautés qui se chevauchent
6.1 Méthodes basées sur les cliques pour la détection de communautés qui se chevauchent
7. Détection de communautés dynamique
7.1 Approches par détections statiques successives.
7.2 Approches par détections statiques informées successives
7.3 Approches travaillant sur des réseaux temporels
8. Système de recommandation basé sur la détection de communautés
9. Conclusion
CHAPITRE III :Vers une approche de recommandation collaborative à base de communautés 51
1 Introduction
2 Problématique et objectif
3 Solution proposée.
3.1 Calcul de la similarité démographique des utilisateurs
3.2 Détection des communautés
3.3 Affectation communautaire de l’utilisateur cible.
4. Implémentation
3.4 Prédiction de notes et génération de recommandations
4.1 Outils et environnement de développement
4.1.1 Langages de programmation
5. Expérimentations.
5.1 Jeux de données
5.2 Métriques d’évaluation
5.2.1 précision.
5.2.2 Erreur Absolue Moyenne (MAE).
5.2.3 Erreur Quadratique Moyenne (RMSE).
6 Présentation de l’Application
7. Résultats et analyses
8. Conclusion
Conclusion générale
Bibliographie et Référence.
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.