Recommandation personnalisée par contexte.

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.