Développement des Systèmes de Recommandation de Santé à l’aide des Réseaux Convolutifs Graphiques

Abstract

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