Optimisation de la prédiction dans un réseau biparti

Abstract

Ce projet se situe dans le cadre du domaine de recherche d’information plus particuli`erement les syst`emes de recommandation (SR). Un syst`eme de recommandation est un outil de recherche d’information et de filtrage qui vise `a proposer aux utilisateurs des items qui pourraient les int´eresser. La plupart des solutions des SR se basent sur l’analyse des pr´ef´erences des utilisateurs et leurs ´evaluations implicites ou explicites pour les items. Les diff´erentes ´evaluations (appel´ees aussi votes) sont souvent repr´esent´ees sous forme d’une matrice utilisateurs x items. L’objectif de recommandation consiste `a pr´evoir les ´evaluations manquantes dans cette matrice. Nous nous int´eressons dans ce projet `a l’exploration des approches topologiques pour le calcul de recommandation afin de pallier `a certains probl`emes des m´ethodes classiques. En effet, la matrice d’´evaluation peut ˆetre vue comme une matrice d’adjacence d’un graphe biparti qui relie les deux ensembles utilisateurs et items. La probl´ematique de recommandation se r´eduit alors `a un probl`eme de pr´ediction de liens dans un graphe biparti. L’objectif de notre travail est de r´ealiser un syst`eme de recommandation o`u la premi`ere ´etape consiste `a collecter et explorer des informations li´ees aux items. La deuxi`eme ´etape consiste `a exploiter les informations tir´ees de la premi`ere ´etape lors du calcul de pr´ediction de liens entre les utilisateurs et les items.