Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Du 2021 archivage THÈSE POUR OBTENIR LE GRADE DE DOCTEUR ÉCOLE NATIONALE SUPÉRIEURE DES MINES D ? ALÈS IMT MINES ALÈS En Informatique École doctorale I S ?? Information Structures Systèmes Portée par l ? Université de Montpellier Unité de recherche EuroMo

THÈSE POUR OBTENIR LE GRADE DE DOCTEUR ÉCOLE NATIONALE SUPÉRIEURE DES MINES D ? ALÈS IMT MINES ALÈS En Informatique École doctorale I S ?? Information Structures Systèmes Portée par l ? Université de Montpellier Unité de recherche EuroMov Digital Health in Motion Des données aux connaissances vers des recommandations plus pertinentes diversi ?ées et transparentes Présentée par Yu DU le Décembre Sous la direction de Sylvie RANWEZ et Vincent RANWEZ Devant le jury composé de Catherine FARON ZUCKER Ma? tre de Conférences HDR Université Côte d ? Azur Marie-Hélène ABEL Professeur des Universités Université de Technologie de Compiègne UTC Sylvie CALABRETTO Professeur des Universités Institut National des Sciences Appliquées INSA Lyon Sandra BRINGAY Professeur des Universités Université Paul Valéry Montpellier Rapha? l TRONCY Ma? tre de conférences EURECOM Sophia Antipolis Sylvie RANWEZ Professeur IMT Mines Alès Vincent RANWEZ Professeur Institut Agro Montpellier SupAgro Nicolas SUTTON-CHARANI Ma? tre- assistant IMT Mines Alès Rapporteur Rapporteur Examinatrice Présidente du jury Examinateur Co- directrice de thèse Co-directeur de thèse Encadrant de proximité CRésumé Dans le contexte actuel de surcharge causée par l ? important volume de données numériques accessibles les systèmes de recommandation permettent de guider l ? utilisateur dans ses activités d ? apprentissages d ? achats de loisir d ? écoute musicale de lectures en lui suggérant des items personnalisés Pour cela ils prédisent ses préférences relativement aux items qu ? il n ? a pas encore évalués Des approches classiques de recommandation comme le ?ltrage collaboratif par exemple reposent sur les données collectées par le biais de retours d ? utilisateurs généralement sous la forme d ? une matrice de notes et tentent d ? y découvrir les informations pertinentes pour caractériser et prédire les goûts des utilisateurs En complément de ces données les connaissances liées aux items euxmêmes représentent également un atout majeur pour l ? amélioration des performances des systèmes de recommandation L ? ingénierie des connaissances plus spéci ?quement le Web sémantique et les graphes de connaissances peuvent y jouer un rôle central Tel est le cadre de notre travail de recherche qui propose di ?érentes voies d ? amélioration des systèmes de recommandation adoptant une vision transversale des données aux connaissances ? et ce sur trois aspects di ?érents la pertinence accuracy la diversi ?cation et l ? explicabilité des recommandations Notre première contribution est principalement axée sur les données Elle concerne l ? accuracy des recommandations en termes de prédiction des goûts des utilisateurs Nous proposons EBCR Empirical Bayes Concordance Ratio une méthode simple et générique inspirée de l ? inférence bayésienne qui permet d ? ajuster les calculs de similarité entre utilisateurs ou entre items mis en ?uvre dans le ?ltrage collaboratif Cet ajustement est réalisé en fonction du nombre d ? items co-notés ou du nombre d ? utilisateurs ayant noté un même item Les expériences menées sur des jeux de données de référence ont con ?rmé que cette méthode améliore systématiquement l ? accuracy du ?ltrage collaboratif pour toutes les mesures de