Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/5294
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | KATI, Yacine | - |
dc.contributor.author | NASRI, Sami | - |
dc.date.accessioned | 2022-11-21T07:39:45Z | - |
dc.date.available | 2022-11-21T07:39:45Z | - |
dc.date.issued | 2019 | - |
dc.identifier.uri | http://dspace.univ-tiaret.dz:80/handle/123456789/5294 | - |
dc.description.abstract | Actuellement le filtrage Collaboratif a été répandu usagé pour résoudre le problème de surcharge des informations. Cependant ici reste encore une limitation majeure, la matrice creuse « sparsity ». Dans ce travail, nous nous intéressons à la prédiction des liens dans les graphes bipartis. La technique de prédiction réduit le problème de matrice creuse et améliore la précision des prédictions. Les différentes stratégies de calcul de similarité et de prédiction des évaluations peuvent être basées sur les utilisateurs et les items. Parmi les techniques de prédiction des liens nous avons utilisé les formules du coefficient de Jaccard et Corrélation de Pearson qui sont jugées intéressantes et efficaces. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Ibn Khaldoun -Tiaret- | en_US |
dc.subject | Filtrage Collaboratif, Corrélation de Pearson , Jaccard, Recommandation | en_US |
dc.title | Recommandation personnalisée par contexte. | en_US |
dc.type | Thesis | en_US |
Collection(s) : | Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
TH.M.INF.FR.2019.16.pdf | 1,73 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.