Titre :	Les Systèmes de Recommandation basés sur l'Apprentissage Profond
Type de document :	texte imprimé
Auteurs :	Guembour, Sami, Auteur ; Drif,Ahlem, Directeur de thèse
Editeur :	Setif:UFA
Année de publication :	2020
Importance :	1 vol (72 f .)
Format :	29 cm
Langues :	Français (fre)
Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	Systèmesderecommandation Apprentissageprofond Analysedessentiments Techniquesd’intégrationdemots. 2
Index. décimale :	004 - Informatique
Résumé :	Aveclaquantitécroissantedesdonnéeschaquejour,ildevienttrèsdifficilepour les utilisateursdetrouverlesressourceslesplusadaptéesàleursbesoins,d’oùlanécessitédes systèmesderecommandations.Lessystèmesderecommandationsontcapablesd’estimer l’intérêt d’unutilisateurpouruneressourcedonnéeàpartirdecertainesinformationsrelatives à d’autresutilisateurssimilairesetauxpropriétésdesressources.Danscemémoirenous proposons unenouvelleapprochederecommandationbaséesurl’apprentissageprofonden s’appuyantsurlefeedbackdesutilisateursquesontleratingetlessentimentsdesutilisateurs concernantcesressourcespourfairedesrecommandationsdesmeilleuresnotesprédites. Afin d’évaluernotremodèlenousl’avonscomparéàdeuxautresapprochesetnousavons obtenu debiensmeilleursrésultats.
Côte titre :	MAI/0407
En ligne :	https://drive.google.com/file/d/1oZaE_lrofAb09ph3rLEVodXU882L-fmX/view?usp=shari [...]
Format de la ressource électronique :	pdf

Les Systèmes de Recommandation basés sur l'Apprentissage Profond [texte imprimé] / Guembour, Sami, Auteur ; Drif,Ahlem, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (72 f .) ; 29 cm.
Langues : Français (fre)

Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	Systèmesderecommandation Apprentissageprofond Analysedessentiments Techniquesd’intégrationdemots. 2
Index. décimale :	004 - Informatique
Résumé :	Aveclaquantitécroissantedesdonnéeschaquejour,ildevienttrèsdifficilepour les utilisateursdetrouverlesressourceslesplusadaptéesàleursbesoins,d’oùlanécessitédes systèmesderecommandations.Lessystèmesderecommandationsontcapablesd’estimer l’intérêt d’unutilisateurpouruneressourcedonnéeàpartirdecertainesinformationsrelatives à d’autresutilisateurssimilairesetauxpropriétésdesressources.Danscemémoirenous proposons unenouvelleapprochederecommandationbaséesurl’apprentissageprofonden s’appuyantsurlefeedbackdesutilisateursquesontleratingetlessentimentsdesutilisateurs concernantcesressourcespourfairedesrecommandationsdesmeilleuresnotesprédites. Afin d’évaluernotremodèlenousl’avonscomparéàdeuxautresapprochesetnousavons obtenu debiensmeilleursrésultats.
Côte titre :	MAI/0407
En ligne :	https://drive.google.com/file/d/1oZaE_lrofAb09ph3rLEVodXU882L-fmX/view?usp=shari [...]
Format de la ressource électronique :	pdf