Optimisation sémantique des systèmes de recommandation.

Abstract

Le filtrage d’information est le processus permettant d’acheminer un flot continu d’informations pertinentes vers des groupes de personnes, sans qu’ils aient à exprimer explicitement ce qu’ils recherchent, depuis ces objectifs ou ces désirs définis préalablement, par le biais du principe de collaboration qui apporte des bénéfices pour tous les usagers du système en contrepartie d’un effort individuel. L’élaboration de tel système confronte à certaines limites, telles que la phase de construction initiale « démarrage à froid » et le passage à l’échelle et parfois le manque des données, et l’effet entonnoir. Dans ce mémoire nous montrons que l’utilisation des informations sémantiques des ressources ((type, propriétés)…), peut améliorer la précision, la couverture et la qualité des systèmes de recommandation. Ainsi que la minimisation de la taille du système par la formation des communautés sémantiques qui sont aussi utilisées comme des sources des données pour recalculer les données manquantes pour avoir des prédictions plus précises . On présente dans ce mémoire une approche de filtrage d’information hybride, qui est basée sur l’algorithme basé mémoire afin de l’améliorer et de réduire les effets des problèmes de filtrage collaboratif par l’intégration du web sémantique dans le processus de filtrage.