Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/13492| Titre: | Développement des Systèmes de Recommandation de Santé à l’aide des Réseaux Convolutifs Graphiques |
| Auteur(s): | BESTANI, Imen BENADJROUDA, Noureddine |
| Mots-clés: | Système de recommandation Réseau convolutif graphique Système de recommandation de santé Santé, |
| Date de publication: | 10-jui-2023 |
| Editeur: | Université Ibn Khaldoun |
| Résumé: | Les systèmes de recommandation fournissent des suggestions utiles d'articles (produits ou services) aux utilisateurs dans le cadre de leurs processus de prise de décision. L'efficacité des systèmes de recommandation est désormais clairement confirmée dans divers domaines d'application (par exemple, YouTube, Amazon, Facebook, ResearchGate). Dans la littérature, de nombreux travaux de recherche ont abordé l'application des recommandations dans le domaine de la santé, ce que l'on appelle les systèmes de recommandation de santé (HRS en anglais). Les HRS constituent une alternative novatrice lorsqu'il s'agit de fournir des informations pour aider les médecins dans le diagnostic/traitement des maladies, ainsi que d'aider les patients avec des recommandations sur la manière de maintenir leur bien-être. Cependant, les approches de développement existantes dans la littérature se limitent à l’utilisation des modèles traditionnels qui manquent de précision et d'efficacité, et qui sont essentielles dans le domaine des soins de santé. Ce travail présente un modèle de conception pour les systèmes de recommandation de santé en utilisant les réseaux de neuronaux graphiques (GNN) via son architecture de réseaux convolutifs graphiques (GCN). Dans ce modèle, la couche de convolution est gérée par un algorithme simplifié et efficace appelé LightGCN. Les méthodes basées sur GCN font partie des approches de pointe dans les systèmes de recommandation, et LightGCN a prouvé sa supériorité en termes de précision des recommandations. De manière inédite et efficiente, le présent travail a réussi d’appliquer les réseaux convolutifs graphiques via le modèle LightGCN dans le développement des systèmes de recommandation de santé |
| Description: | Recommendation systems provide valuable suggestions for articles (products or services) to users as part of their decision-making processes. The effectiveness of recommendation systems has been clearly demonstrated in various application domains, such as YouTube, Amazon, Facebook, and ResearchGate. In the literature, numerous research studies have addressed the application of recommendations in the healthcare domain, known as Health Recommender Systems (HRS). HRS offer an innovative alternative for providing information to assist physicians in disease diagnosis/treatment and helping patients with recommendations on maintaining their well-being. However, existing development approaches in the literature are limited to the use of traditional models that lack accuracy and efficiency, which are essential in the healthcare field. This work presents a design model for health recommender systems using Graph Neural Networks (GNNs) through its Graph Convolutional Networks (GCN) architecture. In this model, the convolution layer is handled by a simplified and efficient algorithm called LightGCN. GCN-based methods are at the forefront of recommendation systems approaches, and LightGCN has proven its superiority in terms of recommendation accuracy. Uniquely and efficiently, this study successfully applies Graph Convolutional Networks through the LightGCN model in the development of health recommender systems. |
| URI/URL: | http://dspace.univ-tiaret.dz:80/handle/123456789/13492 |
| Collection(s) : | Master |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| TH.M.INF.2023.41.pdf | 3,61 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.