University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Chahrazed Madiani |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Système de Recommandation Collaboratif utilisant Deep Learning Type de document : texte imprimé Auteurs : Soumia Saadouni, Auteur ; Rayane Boudraa, Auteur ; Chahrazed Madiani, Directeur de thèse Année de publication : 2022 Importance : 1 vol (65 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Système de recommandation
Filtrage collaborativeRésumé :
Selon l’avènement de la technologie et l’expansion de l’utilisation du World Wide Web,
il y a eu une énorme augmentation du nombre de détaillants Internet et de leurs clients.
La quantité de données explose en raison des nombreux utilisateurs et de la variété des
produits. Dans une telle condition, les systèmes de recommandation jouent un rôle important
pour aider les utilisateurs et fournir des suggestions en fonction de leurs goûts. En
utilisant les suggestions des systèmes de recommandation, les utilisateurs peuvent gagner
du temps pour trouver leurs éléments personnalisés, utiles et préférés sans être submergés
par un grand nombre d’éléments. Parmi les approches proposées, nous utilisons l’approche
de filtrage collaboratif qui consiste à trouver l’information qui satisfait l’utilisateur à l’aide
d’autres évaluations d’utilisateurs. Ces évaluations sont traduites dans des matrices que
leurs tailles augmentent exponentiellement pour prédire si un élément est intéressant ou pas.
Dans ce mémoire, nous avons implémenté des algorithmes de recommandations collaboratives
pour les ressources en ligne en utilisant des approches de l’apprentissage automatique
et de l’apprentissage profond. Pour cela nous avons implémenté, d’évaluer et de comparer
trois approches d’apprentissage automatique de pointe, les plus proches voisins (KNN),
Décomposition en valeurs singulières (SVD) et factorisation matricielle non-négative(NMF)
avec le modèle de matrice de factorisation basé sur l’apprentissage en profondeur qui est
(MFDL). Nous avons mené des expériences avec un ensemble de données du monde réel qui
sont MovieLens et évaluaient les performances des méthodes proposées à l’aide de différentes
mesures d’évaluation. Les résultats expérimentaux montrent que la méthode d’apprentissage
en profondeur(MFDL) affiche les meilleurs résultats et les meilleures performances.Côte titre : MAI/0623 En ligne : https://drive.google.com/file/d/1Q7_RX-_BqASxD_JBzosmgrkF0KY6R3eh/view?usp=share [...] Format de la ressource électronique : Système de Recommandation Collaboratif utilisant Deep Learning [texte imprimé] / Soumia Saadouni, Auteur ; Rayane Boudraa, Auteur ; Chahrazed Madiani, Directeur de thèse . - 2022 . - 1 vol (65 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Système de recommandation
Filtrage collaborativeRésumé :
Selon l’avènement de la technologie et l’expansion de l’utilisation du World Wide Web,
il y a eu une énorme augmentation du nombre de détaillants Internet et de leurs clients.
La quantité de données explose en raison des nombreux utilisateurs et de la variété des
produits. Dans une telle condition, les systèmes de recommandation jouent un rôle important
pour aider les utilisateurs et fournir des suggestions en fonction de leurs goûts. En
utilisant les suggestions des systèmes de recommandation, les utilisateurs peuvent gagner
du temps pour trouver leurs éléments personnalisés, utiles et préférés sans être submergés
par un grand nombre d’éléments. Parmi les approches proposées, nous utilisons l’approche
de filtrage collaboratif qui consiste à trouver l’information qui satisfait l’utilisateur à l’aide
d’autres évaluations d’utilisateurs. Ces évaluations sont traduites dans des matrices que
leurs tailles augmentent exponentiellement pour prédire si un élément est intéressant ou pas.
Dans ce mémoire, nous avons implémenté des algorithmes de recommandations collaboratives
pour les ressources en ligne en utilisant des approches de l’apprentissage automatique
et de l’apprentissage profond. Pour cela nous avons implémenté, d’évaluer et de comparer
trois approches d’apprentissage automatique de pointe, les plus proches voisins (KNN),
Décomposition en valeurs singulières (SVD) et factorisation matricielle non-négative(NMF)
avec le modèle de matrice de factorisation basé sur l’apprentissage en profondeur qui est
(MFDL). Nous avons mené des expériences avec un ensemble de données du monde réel qui
sont MovieLens et évaluaient les performances des méthodes proposées à l’aide de différentes
mesures d’évaluation. Les résultats expérimentaux montrent que la méthode d’apprentissage
en profondeur(MFDL) affiche les meilleurs résultats et les meilleures performances.Côte titre : MAI/0623 En ligne : https://drive.google.com/file/d/1Q7_RX-_BqASxD_JBzosmgrkF0KY6R3eh/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0623 MAI/0623 Mémoire Bibliothéque des sciences Français Disponible
Disponible