University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'indexation
Ouvrages de la bibliothèque en indexation 004 - Informatique
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Titre : La réalité augmentée : techniques et entités virtuelles Type de document : texte imprimé Auteurs : Réveillac, Jean-Michel Editeur : Hermès science publications Année de publication : 2013 Importance : 1 vol (325 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7462-4547-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Phénomène en plein essor, la réalité augmentée touche de plus en plus de domaines (e-commerce, jeux vidéo, éducation, marketing, sciences, etc.). Si vous voulez comprendre et développer une application qui utilise cette technologie, le contenu de cet ouvrage est fait pour vous. Une première partie essaie de dresser un panorama exhaustif de la réalité augmentée actuelle jusqu'à ses développements les plus récents.
Vous découvrirez ses concepts et ses objectifs puis, à l'aide de différents logiciels (open-source ou propriétaire), vous pourrez réaliser pas à pas plusieurs exercices de difficultés croissantes pour mettre en oeuvre la réalité augmentée sur votre micro-ordinateur, votre tablette électronique ou votre smartphone. La plupart des notions dont vous aurez besoin sont basiques mais ceux d'entre vous qui ont plus d'expérience dans le domaine de la programmation ou la modélisation 3D pourront aller encore plus loin.
A la lecture de cet ouvrage j'espère vous transmettre le même engouement et la même passion que je ressens pour cette technologie révolutionnaire.Côte titre : Fs/15316-15320 La réalité augmentée : techniques et entités virtuelles [texte imprimé] / Réveillac, Jean-Michel . - [S.l.] : Hermès science publications, 2013 . - 1 vol (325 p.) : ill. ; 24 cm.
ISBN : 978-2-7462-4547-1
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Phénomène en plein essor, la réalité augmentée touche de plus en plus de domaines (e-commerce, jeux vidéo, éducation, marketing, sciences, etc.). Si vous voulez comprendre et développer une application qui utilise cette technologie, le contenu de cet ouvrage est fait pour vous. Une première partie essaie de dresser un panorama exhaustif de la réalité augmentée actuelle jusqu'à ses développements les plus récents.
Vous découvrirez ses concepts et ses objectifs puis, à l'aide de différents logiciels (open-source ou propriétaire), vous pourrez réaliser pas à pas plusieurs exercices de difficultés croissantes pour mettre en oeuvre la réalité augmentée sur votre micro-ordinateur, votre tablette électronique ou votre smartphone. La plupart des notions dont vous aurez besoin sont basiques mais ceux d'entre vous qui ont plus d'expérience dans le domaine de la programmation ou la modélisation 3D pourront aller encore plus loin.
A la lecture de cet ouvrage j'espère vous transmettre le même engouement et la même passion que je ressens pour cette technologie révolutionnaire.Côte titre : Fs/15316-15320 Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité Fs/15316 Fs/15316-15320 livre Bibliothéque des sciences Français Disponible
DisponibleFs/15317 Fs/15316-15320 livre Bibliothéque des sciences Français Disponible
DisponibleFs/15318 Fs/15316-15320 livre Bibliothéque des sciences Français Disponible
DisponibleFs/15319 Fs/15316-15320 livre Bibliothéque des sciences Français Disponible
DisponibleFs/15320 Fs/15316-15320 livre Bibliothéque des sciences Français Disponible
Disponible
Titre : La Réalité virtuelle 96 Type de document : texte imprimé Auteurs : Ron Wodaski ; Bernard,Trad. Jolivalt Editeur : Paris : Simon & schuster macmillan Année de publication : 1995 Importance : 1 vol. (841 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7440-0060-7 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique
Réalité virtuelle
Imagination virtuelleIndex. décimale : 004 - Informatique Note de contenu :
Sommaire
Partie 1- La réalité virtuelle est lÃ
Partie 2- L'imagination virtuelle
Partie 3- Les réalités virtuellesCôte titre : Fs/8429 La Réalité virtuelle 96 [texte imprimé] / Ron Wodaski ; Bernard,Trad. Jolivalt . - Paris : Simon & schuster macmillan, 1995 . - 1 vol. (841 p.) : ill. ; 24 cm.
ISBN : 978-2-7440-0060-7
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique
Réalité virtuelle
Imagination virtuelleIndex. décimale : 004 - Informatique Note de contenu :
Sommaire
Partie 1- La réalité virtuelle est lÃ
Partie 2- L'imagination virtuelle
Partie 3- Les réalités virtuellesCôte titre : Fs/8429 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/8429 Fs/8429 livre Bibliothéque des sciences Français Disponible
Disponible
Titre : Recommandation d'un item au sein d'une communauté Type de document : texte imprimé Auteurs : Benbrik, NAIMA, Auteur ; Mediani,Chahrazed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (50 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : Résumé
Si la technologie est un prolongement naturel du comportement des utilisateurs, l’adaptation des différentes solutions techniques devrait permettre idéalement de simplifier les activités humaines dans leurs formes originales. Le comportement naturel humain d’une personne consiste à s’inspirer des expériences d’autres personnes. Ce type d’induction constitue l’essence de l’intelligence collective de la communauté afin de satisfaire le besoin de l’utilisateur.
Donc, les systèmes de recommandations viennent pour fournir à des utilisateurs des suggestions qui répondent à leurs exigences. Un grand nombre de systèmes de recommandation existent dans divers domaines, leur objectif est de filtrer et d’adapter les informations pour chaque utilisateur. Les méthodes généralement utilisées pour le calcul de la recommandation sont soit basées sur le contenu soit sur la similarité de l’utilisateur avec les autres utilisateurs (approches collaboratives).
Ce travail a pour objectif de développer un système de recommandation collaborative sous NetBeens. Il sera utilisé dans le domaine de la navigation sur le Web pour suggérer à un utilisateur des ressources pertinentes susceptibles de l’intéresser en se basant sur les avis d’autres utilisateurs qui partagent avec lui les mêmes centres d’intérêt.Note de contenu :
Sommaire
Introduction générale…………………………………………………………...1
Chapitre 1 : généralités sur les services question réponse et les systèmes de recommandation.
1. introduction …………………………………………………………………….3
2. Les systèmes question-réponse ………………………………………………...3
2.1 Définition……………………………………………………………………5
2.2 Classification des systèmes de questions-réponses………………………....6
2.3 Présentation générale des systèmes…………………………………………6
2.3.1 L’analyse de la question……………………………………………....7
2.3.2 La recherche d’information……………………………………………9
2.3.3. L’extraction de réponses……………………………………………...9
3. Les systèmes de recommandation……………………………………………....10
3.1 L’historique………………………………………………………………....10
3.2 Définition du système de recommandation…………………………………11
3.3 L’objectif des systèmes de recommandation……………………………….12
3.3.1 La surcharge cognitive………………………………………………..12
3.3.2 La désorientation……………………………………………………...13
3.4 Les étapes principales de la recommandation………………………………13
3.4.1 La collecte d’information……………………………………………..13
3.4.2 Modèle utilisateur…………………………………………………..…14
3.4.3 Liste de recommandations…………………………………………….15
4. conclusion………………………………………………………………………..15
Chapitre 2 : le classement des systèmes de recommandation.
1. Introduction……………………………………………………………………16
2. Les grandes classes des systèmes de recommandation…………………………16
2.1 Les systèmes de recommandation basés sur le contenu……………………16
2.2 Les Systèmes de recommandation basée sur l’approche…………………..18
2.2.1 Les classes générales des méthodes collaboratives………………….21
2.3 Le filtrage hybride………………………………………………………….25
3. Les avantages et les inconvénients des types du système de recommandation....25
3.1 Cross-genre niches……………………………………………………….....25
3.2 Connaissance du domaine……………………………………………..……26
3.3 Adaptabilité…………………………………………………………………26
3.4. Feed-back implicite suffisant……………………………………………....26
3.5. Problème de d démarrages à froid, cas du nouvel utilisateur……………....26
3.6. Problème de démarrage à froid, cas du nouvel item……………………..... 26
3.7. Problème de démarrage à froid, cas du système débutant………………..... 26
3.8. Le gray Sheep…………………………………………………………….…26
3.9. Le shilling……………………………………………………………….......26
4. Exemples de SR classés par type d’item recommandé………………………...…27
4.1 Recommandation de produits……………………………………………...…27
4.2 Recommandation d’actualités………………………………………………...27
4.3Recommandation de titres musicaux………………………………………. ....28
4.4 Recommandation de films ou séries……………………………………….....28
5. Les domaines d’application des systèmes de recommandation……………. ….....28
6. Conclusion………………………………………………………………………...29
Chapitre 3 : conception et réalisation
1. Introduction……………………………………………………………………...30
2. Le domaine d’application de notre système de recommandation…………….....30
3. Parties conception……………………………………………………………......30
3.1 Diagramme des classes ……………………………………………………..30
3.2 Diagramme des cas d’utilisation………………………………………….....33
4. partie développement…………………………………………………………....34
4.1 Les outils utilisés………………………………………………………….…34
4.1.1 Environnement matérielle……………...……………………….……..34
4.1.1 Environnement logicielle……………...……………………….……...34
4.2 Le développement de l’application………………………………………….35
4.2.1 Etape 1…………………………………………………………………36
4.2.2 Etape 2…………………………………………………………………38
4.2.3Etape 3………………………………………………………………….39
4.2.4 Etape 4…………………………………………………………………42
4.2.5 Etape 5…………………………………………………………………43
5. Conclusion……………………………………………………………………….45
II. Conclusion générale………………………………………………………………..46
Côte titre : MAI/0273 En ligne : https://drive.google.com/file/d/1pp-p1veF0vcPgOOAIwfdL7sgq95xkX1u/view?usp=shari [...] Format de la ressource électronique : Recommandation d'un item au sein d'une communauté [texte imprimé] / Benbrik, NAIMA, Auteur ; Mediani,Chahrazed, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (50 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : Résumé
Si la technologie est un prolongement naturel du comportement des utilisateurs, l’adaptation des différentes solutions techniques devrait permettre idéalement de simplifier les activités humaines dans leurs formes originales. Le comportement naturel humain d’une personne consiste à s’inspirer des expériences d’autres personnes. Ce type d’induction constitue l’essence de l’intelligence collective de la communauté afin de satisfaire le besoin de l’utilisateur.
Donc, les systèmes de recommandations viennent pour fournir à des utilisateurs des suggestions qui répondent à leurs exigences. Un grand nombre de systèmes de recommandation existent dans divers domaines, leur objectif est de filtrer et d’adapter les informations pour chaque utilisateur. Les méthodes généralement utilisées pour le calcul de la recommandation sont soit basées sur le contenu soit sur la similarité de l’utilisateur avec les autres utilisateurs (approches collaboratives).
Ce travail a pour objectif de développer un système de recommandation collaborative sous NetBeens. Il sera utilisé dans le domaine de la navigation sur le Web pour suggérer à un utilisateur des ressources pertinentes susceptibles de l’intéresser en se basant sur les avis d’autres utilisateurs qui partagent avec lui les mêmes centres d’intérêt.Note de contenu :
Sommaire
Introduction générale…………………………………………………………...1
Chapitre 1 : généralités sur les services question réponse et les systèmes de recommandation.
1. introduction …………………………………………………………………….3
2. Les systèmes question-réponse ………………………………………………...3
2.1 Définition……………………………………………………………………5
2.2 Classification des systèmes de questions-réponses………………………....6
2.3 Présentation générale des systèmes…………………………………………6
2.3.1 L’analyse de la question……………………………………………....7
2.3.2 La recherche d’information……………………………………………9
2.3.3. L’extraction de réponses……………………………………………...9
3. Les systèmes de recommandation……………………………………………....10
3.1 L’historique………………………………………………………………....10
3.2 Définition du système de recommandation…………………………………11
3.3 L’objectif des systèmes de recommandation……………………………….12
3.3.1 La surcharge cognitive………………………………………………..12
3.3.2 La désorientation……………………………………………………...13
3.4 Les étapes principales de la recommandation………………………………13
3.4.1 La collecte d’information……………………………………………..13
3.4.2 Modèle utilisateur…………………………………………………..…14
3.4.3 Liste de recommandations…………………………………………….15
4. conclusion………………………………………………………………………..15
Chapitre 2 : le classement des systèmes de recommandation.
1. Introduction……………………………………………………………………16
2. Les grandes classes des systèmes de recommandation…………………………16
2.1 Les systèmes de recommandation basés sur le contenu……………………16
2.2 Les Systèmes de recommandation basée sur l’approche…………………..18
2.2.1 Les classes générales des méthodes collaboratives………………….21
2.3 Le filtrage hybride………………………………………………………….25
3. Les avantages et les inconvénients des types du système de recommandation....25
3.1 Cross-genre niches……………………………………………………….....25
3.2 Connaissance du domaine……………………………………………..……26
3.3 Adaptabilité…………………………………………………………………26
3.4. Feed-back implicite suffisant……………………………………………....26
3.5. Problème de d démarrages à froid, cas du nouvel utilisateur……………....26
3.6. Problème de démarrage à froid, cas du nouvel item……………………..... 26
3.7. Problème de démarrage à froid, cas du système débutant………………..... 26
3.8. Le gray Sheep…………………………………………………………….…26
3.9. Le shilling……………………………………………………………….......26
4. Exemples de SR classés par type d’item recommandé………………………...…27
4.1 Recommandation de produits……………………………………………...…27
4.2 Recommandation d’actualités………………………………………………...27
4.3Recommandation de titres musicaux………………………………………. ....28
4.4 Recommandation de films ou séries……………………………………….....28
5. Les domaines d’application des systèmes de recommandation……………. ….....28
6. Conclusion………………………………………………………………………...29
Chapitre 3 : conception et réalisation
1. Introduction……………………………………………………………………...30
2. Le domaine d’application de notre système de recommandation…………….....30
3. Parties conception……………………………………………………………......30
3.1 Diagramme des classes ……………………………………………………..30
3.2 Diagramme des cas d’utilisation………………………………………….....33
4. partie développement…………………………………………………………....34
4.1 Les outils utilisés………………………………………………………….…34
4.1.1 Environnement matérielle……………...……………………….……..34
4.1.1 Environnement logicielle……………...……………………….……...34
4.2 Le développement de l’application………………………………………….35
4.2.1 Etape 1…………………………………………………………………36
4.2.2 Etape 2…………………………………………………………………38
4.2.3Etape 3………………………………………………………………….39
4.2.4 Etape 4…………………………………………………………………42
4.2.5 Etape 5…………………………………………………………………43
5. Conclusion……………………………………………………………………….45
II. Conclusion générale………………………………………………………………..46
Côte titre : MAI/0273 En ligne : https://drive.google.com/file/d/1pp-p1veF0vcPgOOAIwfdL7sgq95xkX1u/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0273 MAI/0273 livre Bibliothéque des sciences Français Disponible
Disponible
Titre : La recommandation des ressources pédagogiques au sein d’une communauté Type de document : texte imprimé Auteurs : Achacha, Fatima Zohra, Auteur ; Zaimen née Mediani, Chahrazed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Catégories : Informatique Mots-clés : Système de recommandation
Filtrage collaboratifIndex. décimale : 004 - Informatique Résumé :
Résumé
Les systèmes de recommandations sont des systèmes automatiques qui permettent, par des algorithmes, de fournir à des utilisateurs des suggestions qui répondent à leurs exigences.
Les systèmes de recommandation sont capables d’estimer l’intérêt d’un utilisateur pour une ressource donnée à partir de certaines informations relatives à d’autres utilisateurs similaires et aux propriétés des ressources. Dans ce mémoire nous avons présenté les phases d’une application sur ce domaine en introduisant les techniques du filtrage collaboratif qui est la méthode la plus importante et la plus utilisée, on calculant des similarités entre items pour la prédiction des notes manquantes à l’aide des similarités et des profils utilisateurs pour faire des recommandation des meilleures notes prédites. Pour le développement de cette application nous avons utilisé le langage Java.Note de contenu : Sommaire
INTRODUCTION GENERALE ...................................................................................... 1
CHAPITRE 01 : LE WEB SOCIAL ........................................................................ 2
1. INTRODUCTION: ..................................................................................................... 2
2. LES RESEAUX SOCIAUX ......................................................................................... 2
2.1. LES RESEAUX HETEROGENES ............................................................................................................... 2
2.2. LES RESEAUX HOMOGENES ...................................................................................... 2
3. LE WEB SOCIAL ........................................................................................................ 3
3.1. LA FACILITE DE CREATION DU CONTENU ....................................................................... 3
BLOGS ................................................................................................................ 3
WIKIS ........................................................................................................ 4
SITES DE PARTAGE DE CONTENU ................................................................................... 4
LES AGREGATEURS D’ACTUALITES ................................................................................ 4
LES SITES DE FAVORIS SOCIAUX ..................................................................................... 4
FORUMS ........................................................................................................... 4
RESEAUX SOCIAUX ............................................................................................................. 4
DE NOMBREUSE APPLICATIONS POUR SMARTPHONE ............................................ 4
3.2. RECHARGEMENT DES PAGES EN TEMPS REEL ..................................................................... 5
LA PUBLICATION DES ELEMENTS WEB DE PETITE TAILLE ................................................... 5
L’EMERGENCE DU CONTENU EN TANT QUE CONSEQUENCE INDIRECTE D’UNEACTION DU L’UTILISATEUR .................. 5
5. DEVELOPPEMENT HISTORIQUE DU WEB SOCIAL ........................................ 6
5. LE RESEAU TRADITIONNEL ET LE RESEAU SOCIAL EN LIGNE ............... 7
6. CONCLUSION ........................................................................................................... 8
CHAPITRE 02 :LE SYSTEME DE RECOMMANDATION ......................... 9
1. INTRODUCTION ...................................................................................................... 9
2. HISTORIQUE .............................................................................................................. 9
3. DEFINITION DES SYSTEMES DE RECOMMANDATION ................................... 10
L’ANALYSE BASEE SUR L’ITEM .................................................................................................. 11
L’ANALYSE BASEE SUR L’UTILISATEUR ............................................................................. 11
4. PRINCIPALES FONCTIONNALITES DES SYSTEMES DE RECOMMANDATION ............................................ 13
5. CLASSIFICATION DES SYSTEMES DE RECOMMANDATION ...................... 13
CLASSIFICATON CLASSIQUE........................................................................................ 13
CLASSIFICATION DE [SU ET AL,2009] ................................................................................ 13
CLASSIFICATION DE [RAO AND TALWAR,2008] ..................................................................... 14
6. DIFFERENCE ENTRE SYSTEME DE RECOMMANDATION SR ET MOTEUR DE RECHERCHE MR ................................. 14
MOTEUR DE RECHERCHE .............................................................................................. 14
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE ................................................................................ 15
MOTEUR DE RECOMMANDATION ..................................................................................... 15
7. MOTEURS DE RECOMMANDATION ................................................................. 15
7.1. GOOGLE .............................................................................................. 15
7.2. AMAZON ............................................................................................ 16
7.3. PIGDATA .......................................................................................... 17
7.4. NUUKIK ................................................................................................. 17
7.5. EZAKO .............................................................................................. 18
7.6. FROSMO ............................................................................................. 18
7.7. TARGET2SELL .................................................................................... 19
8. CONCLUSION ......................................................................................................... 20
CHAPITRE 03 : TECHNIQUE DE RECOMMANDATION ...................... 21
1. INTRODUCTION .................................................................................................... 21
2. LE FILTRAGE BASE SUR LE CONTENU .......................................................... 21
2.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES SUR LE CONTENU ........................................ 22
3. LE FILTRAGE COLLABORATIF .......................................................................... 22
4. LE FILTRAGE HYBRIDE....................................................................................... 23
5. FILTRAGE DE MOGRAPHIQUE .......................................................................... 23
5.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES SUR LE FILTRAGE DEMOGRAPHIQUE......... 24
6. FILTRAGE BASE CONNAISSANCES ................................................................... 24
6.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES CONNAISSANCES ....................................... 26
7. AVANTAGES ET INCONVENIENTS DES SYSTEMES DE RECOMMANDATION ............................................. 26
8. CONCLUSION ......................................................................................................... 28
CHAPITRE 04 : IMPLEMENTATION .............................................................. 30
1. INTRODUCTION .................................................................................................... 30
2. CONTEXTE ............................................................................................................. 30
3. FILTRAGE COLLABORATIF ................................................................................. 30
3.1. COEFFICIENT DE CORRELATION DE PEARSON ................................................................................... 31
4. L’ENVIRONNEMENT DE DEVELOPPEMENT ET LES CHOIX TECHNIQUES .............................................. 32
4.1. LANGAGES UTILISES .................................................................... 32
4.1.1. Java 32
4.1.2. JSP .......................................................... 33
2.2. LES LOGICIELS .......................................................................................... 33
2.2.1. Système d’exploitation ........................................................................... 33
2.2.2. WampServer .................................................................................. 33
2.2.4. TomCat ......................................................................................... 33
2.2.4. Eclipse ........................................................................................ 34
5. CONCEPTION ......................................................................................................... 34
6. IMPLEMENTATION .............................................................................................. 35
7. CONCLUSION ......................................................................................................... 38
CONCLUSION GENERALE ................................................................................. 39
DédicaceCôte titre : MAI/0274 La recommandation des ressources pédagogiques au sein d’une communauté [texte imprimé] / Achacha, Fatima Zohra, Auteur ; Zaimen née Mediani, Chahrazed, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Informatique Mots-clés : Système de recommandation
Filtrage collaboratifIndex. décimale : 004 - Informatique Résumé :
Résumé
Les systèmes de recommandations sont des systèmes automatiques qui permettent, par des algorithmes, de fournir à des utilisateurs des suggestions qui répondent à leurs exigences.
Les systèmes de recommandation sont capables d’estimer l’intérêt d’un utilisateur pour une ressource donnée à partir de certaines informations relatives à d’autres utilisateurs similaires et aux propriétés des ressources. Dans ce mémoire nous avons présenté les phases d’une application sur ce domaine en introduisant les techniques du filtrage collaboratif qui est la méthode la plus importante et la plus utilisée, on calculant des similarités entre items pour la prédiction des notes manquantes à l’aide des similarités et des profils utilisateurs pour faire des recommandation des meilleures notes prédites. Pour le développement de cette application nous avons utilisé le langage Java.Note de contenu : Sommaire
INTRODUCTION GENERALE ...................................................................................... 1
CHAPITRE 01 : LE WEB SOCIAL ........................................................................ 2
1. INTRODUCTION: ..................................................................................................... 2
2. LES RESEAUX SOCIAUX ......................................................................................... 2
2.1. LES RESEAUX HETEROGENES ............................................................................................................... 2
2.2. LES RESEAUX HOMOGENES ...................................................................................... 2
3. LE WEB SOCIAL ........................................................................................................ 3
3.1. LA FACILITE DE CREATION DU CONTENU ....................................................................... 3
BLOGS ................................................................................................................ 3
WIKIS ........................................................................................................ 4
SITES DE PARTAGE DE CONTENU ................................................................................... 4
LES AGREGATEURS D’ACTUALITES ................................................................................ 4
LES SITES DE FAVORIS SOCIAUX ..................................................................................... 4
FORUMS ........................................................................................................... 4
RESEAUX SOCIAUX ............................................................................................................. 4
DE NOMBREUSE APPLICATIONS POUR SMARTPHONE ............................................ 4
3.2. RECHARGEMENT DES PAGES EN TEMPS REEL ..................................................................... 5
LA PUBLICATION DES ELEMENTS WEB DE PETITE TAILLE ................................................... 5
L’EMERGENCE DU CONTENU EN TANT QUE CONSEQUENCE INDIRECTE D’UNEACTION DU L’UTILISATEUR .................. 5
5. DEVELOPPEMENT HISTORIQUE DU WEB SOCIAL ........................................ 6
5. LE RESEAU TRADITIONNEL ET LE RESEAU SOCIAL EN LIGNE ............... 7
6. CONCLUSION ........................................................................................................... 8
CHAPITRE 02 :LE SYSTEME DE RECOMMANDATION ......................... 9
1. INTRODUCTION ...................................................................................................... 9
2. HISTORIQUE .............................................................................................................. 9
3. DEFINITION DES SYSTEMES DE RECOMMANDATION ................................... 10
L’ANALYSE BASEE SUR L’ITEM .................................................................................................. 11
L’ANALYSE BASEE SUR L’UTILISATEUR ............................................................................. 11
4. PRINCIPALES FONCTIONNALITES DES SYSTEMES DE RECOMMANDATION ............................................ 13
5. CLASSIFICATION DES SYSTEMES DE RECOMMANDATION ...................... 13
CLASSIFICATON CLASSIQUE........................................................................................ 13
CLASSIFICATION DE [SU ET AL,2009] ................................................................................ 13
CLASSIFICATION DE [RAO AND TALWAR,2008] ..................................................................... 14
6. DIFFERENCE ENTRE SYSTEME DE RECOMMANDATION SR ET MOTEUR DE RECHERCHE MR ................................. 14
MOTEUR DE RECHERCHE .............................................................................................. 14
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE ................................................................................ 15
MOTEUR DE RECOMMANDATION ..................................................................................... 15
7. MOTEURS DE RECOMMANDATION ................................................................. 15
7.1. GOOGLE .............................................................................................. 15
7.2. AMAZON ............................................................................................ 16
7.3. PIGDATA .......................................................................................... 17
7.4. NUUKIK ................................................................................................. 17
7.5. EZAKO .............................................................................................. 18
7.6. FROSMO ............................................................................................. 18
7.7. TARGET2SELL .................................................................................... 19
8. CONCLUSION ......................................................................................................... 20
CHAPITRE 03 : TECHNIQUE DE RECOMMANDATION ...................... 21
1. INTRODUCTION .................................................................................................... 21
2. LE FILTRAGE BASE SUR LE CONTENU .......................................................... 21
2.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES SUR LE CONTENU ........................................ 22
3. LE FILTRAGE COLLABORATIF .......................................................................... 22
4. LE FILTRAGE HYBRIDE....................................................................................... 23
5. FILTRAGE DE MOGRAPHIQUE .......................................................................... 23
5.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES SUR LE FILTRAGE DEMOGRAPHIQUE......... 24
6. FILTRAGE BASE CONNAISSANCES ................................................................... 24
6.1. EXEMPLE DE SYSTEME DE RECOMMANDATION BASES CONNAISSANCES ....................................... 26
7. AVANTAGES ET INCONVENIENTS DES SYSTEMES DE RECOMMANDATION ............................................. 26
8. CONCLUSION ......................................................................................................... 28
CHAPITRE 04 : IMPLEMENTATION .............................................................. 30
1. INTRODUCTION .................................................................................................... 30
2. CONTEXTE ............................................................................................................. 30
3. FILTRAGE COLLABORATIF ................................................................................. 30
3.1. COEFFICIENT DE CORRELATION DE PEARSON ................................................................................... 31
4. L’ENVIRONNEMENT DE DEVELOPPEMENT ET LES CHOIX TECHNIQUES .............................................. 32
4.1. LANGAGES UTILISES .................................................................... 32
4.1.1. Java 32
4.1.2. JSP .......................................................... 33
2.2. LES LOGICIELS .......................................................................................... 33
2.2.1. Système d’exploitation ........................................................................... 33
2.2.2. WampServer .................................................................................. 33
2.2.4. TomCat ......................................................................................... 33
2.2.4. Eclipse ........................................................................................ 34
5. CONCEPTION ......................................................................................................... 34
6. IMPLEMENTATION .............................................................................................. 35
7. CONCLUSION ......................................................................................................... 38
CONCLUSION GENERALE ................................................................................. 39
DédicaceCôte titre : MAI/0274 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0274 MAI/0274 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Recommender system based on Graph learning model Type de document : texte imprimé Auteurs : Mohamed Amine Saied, Auteur ; Alaeddin Aichouche ; Drif, Ahlam, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (59 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Systèmes de recommandation
Système de recommandation hybride
Filtrage collaboratif
Filtrage bas´e sur le contenu
Les r´eseaux de neurones en graphes (GNN)Index. décimale : 004 - Informatique Résumé : Un syst`eme de recommandation bas´e sur les r´eseaux de neurones en graphes peut capturer efficacement les interactions utilisateur-´el´ement `a travers la structure du graphe,
conduisant `a des recommandations hautement personnalis´ees et pertinentes. Cependant, les travaux existants qui adaptent les r´eseaux convolutifs pour graphe (GCN) aux
recommandations sont confront´es au probl`eme du d´emarrage `a froid, o`u il est difficile
de faire des recommandations pr´ecises pour les nouveaux utilisateurs ou les ´el´ements
avec peu ou pas de donn´ees d’interaction. A cette fin, nous d´eveloppons un mod`ele `
de recommandation hybride qui int`egre des incorporations de contenu d’´el´ement au
c´el`ebre mod`ele bas´e sur des graphes LightGCN avec un ajustement de son m´ecanisme
de recommandation afin de surmonter les difficult´es pos´ees par le d´emarrage `a froid par
´el´ement. Les trois composants d´evelopp´es sont : 1-) Une version supervis´ee de LightGCN, 2-) Un mod`ele d’int´egration bas´e sur le contenu et 3-) Un m´ecanisme d’extraction
et de r´egression de fonctionnalit´es. L’´etude empirique sur des ensembles de donn´ees
du monde r´eel prouve que le syst`eme de recommandation propos´e surpasse de mani`ere
significative les m´ethodes de l’´etat de l’art en termes de performances de recommandation = A recommender system based on Graph Neural Networks can effectively capture useritem interactions through the graph structure, leading to highly personalized and relevant recommendations. However, existing works that adapt Graph Convolutional
Networks (GCN) to recommendation struggles with the cold-start problem, where it’s
difficult to make accurate recommendations for new users or items with little or no
interaction data. For this purpose, we develop a hybrid recommender model that incorporates item content embeddings to the famous graph-based model LightGCN with
a tweaking to its recommendation mechanism in order to overcome the difficulties posed
by item-wise cold start. The three components developed are: 1-) A Supervised version
of LightGCN, 2-) A Content-Based Embedding model, and 3-) Feature Extraction and
Regression mechanism. The empirical study on real-world datasets proves that the
proposed recommender system significantly outperforms the state-of-the-art methods
in terms of recommendation performances.
Côte titre : MAI/0784
En ligne : https://drive.google.com/file/d/1BLl-XP4crq37rVj-OYNnFgUlBEAh81ZJ/view?usp=drive [...] Format de la ressource électronique : Recommender system based on Graph learning model [texte imprimé] / Mohamed Amine Saied, Auteur ; Alaeddin Aichouche ; Drif, Ahlam, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (59 f.) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Systèmes de recommandation
Système de recommandation hybride
Filtrage collaboratif
Filtrage bas´e sur le contenu
Les r´eseaux de neurones en graphes (GNN)Index. décimale : 004 - Informatique Résumé : Un syst`eme de recommandation bas´e sur les r´eseaux de neurones en graphes peut capturer efficacement les interactions utilisateur-´el´ement `a travers la structure du graphe,
conduisant `a des recommandations hautement personnalis´ees et pertinentes. Cependant, les travaux existants qui adaptent les r´eseaux convolutifs pour graphe (GCN) aux
recommandations sont confront´es au probl`eme du d´emarrage `a froid, o`u il est difficile
de faire des recommandations pr´ecises pour les nouveaux utilisateurs ou les ´el´ements
avec peu ou pas de donn´ees d’interaction. A cette fin, nous d´eveloppons un mod`ele `
de recommandation hybride qui int`egre des incorporations de contenu d’´el´ement au
c´el`ebre mod`ele bas´e sur des graphes LightGCN avec un ajustement de son m´ecanisme
de recommandation afin de surmonter les difficult´es pos´ees par le d´emarrage `a froid par
´el´ement. Les trois composants d´evelopp´es sont : 1-) Une version supervis´ee de LightGCN, 2-) Un mod`ele d’int´egration bas´e sur le contenu et 3-) Un m´ecanisme d’extraction
et de r´egression de fonctionnalit´es. L’´etude empirique sur des ensembles de donn´ees
du monde r´eel prouve que le syst`eme de recommandation propos´e surpasse de mani`ere
significative les m´ethodes de l’´etat de l’art en termes de performances de recommandation = A recommender system based on Graph Neural Networks can effectively capture useritem interactions through the graph structure, leading to highly personalized and relevant recommendations. However, existing works that adapt Graph Convolutional
Networks (GCN) to recommendation struggles with the cold-start problem, where it’s
difficult to make accurate recommendations for new users or items with little or no
interaction data. For this purpose, we develop a hybrid recommender model that incorporates item content embeddings to the famous graph-based model LightGCN with
a tweaking to its recommendation mechanism in order to overcome the difficulties posed
by item-wise cold start. The three components developed are: 1-) A Supervised version
of LightGCN, 2-) A Content-Based Embedding model, and 3-) Feature Extraction and
Regression mechanism. The empirical study on real-world datasets proves that the
proposed recommender system significantly outperforms the state-of-the-art methods
in terms of recommendation performances.
Côte titre : MAI/0784
En ligne : https://drive.google.com/file/d/1BLl-XP4crq37rVj-OYNnFgUlBEAh81ZJ/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0784 MAI/0784 Mémoire Bibliothéque des sciences Anglais Disponible
DisponiblePermalinkLa reconnaissance des expressions facials par Les Landmarks et la Triangulation Delaunay / Lamri Sahraoui ,Fares
![]()
PermalinkLa reconnaissance des panneaux de circulation (cas de limitateur de vitesse): état de l'art / Djamila Samai
![]()
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink