Remerciez-le!

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

pdfsam these a picot clemente romain 2011

Chapitre ?? Application au domaine du tourisme Dans la partie non dépendante du domaine sont considérées des caractéristiques de l'utilisateur qui vont contraindre de manière plus ou moins forte les propositions Ainsi elle contient sous forme de paires attributvaleur - la position géographique de l'utilisateur - la tolérance de l'utilisateur sur la dispersion géographique des offres - le nombre de jours du séjour - le type d'hébergement désiré si besoin - la date du séjour Un exemple de partie non dépendante du profil d'un utilisateur peut être Basée sur cette modélisation de l'utilisateur et la couche sémantique la couche intelligence dont l'implémentation est expliquée dans la partie suivante peut fournir des recommandations à l'utilisateur IMPLEMENTATION DE LA COUCHE INTELLIGENCE Dans la couche intelligence les différents algorithmes utilisés pour proposer des recommandations aux utilisateurs sont implémentés Dans le mécanisme de proposition d ? une combinaison deux phases se distinguent la phase de projection et la phase de recherche combinatoire La phase de projection ne considère que la partie dépendante du domaine des profils utilisateurs Pour chaque utilisateur cette phase engendre un vecteur montrant ses intérêts sur chaque individu du modèle de domaine sous forme de poids voir Chapitre pour plus de détails Elle est suivie par une phase de recherche combinatoire Cette dernière consiste à rechercher une combinaison des individus du modèle de domaine pondérés issus de la phase précédente Cette section décrit la partie combinatoire car celle-ci est particulière à l'application touristique à réaliser Pour cette phase combinatoire plusieurs mécanismes sont à définir pour obtenir une recommandation touristique suivant la formalisation du problème posé dans le chapitre Tout d ? abord il est nécessaire de définir le pattern et les sous-patterns de combinaison contraignant la combinaison d ? items à fournir à l ? utilisateur Cela fait l ? objet d ? une première partie Puis la partie suivante explique l ? attribution des tolérances de dispersion à ces patterns Ensuite l ? algorithme de recherche combinatoire basé sur le recuit simulé est exposé suivi de quelques benchmarks de comparaison de performances suivant la fonction de pertinence voir chapitre L ? algorithme basé sur le recuit simulé est comparé à un algorithme Hill-Climbing Enfin une dernière partie détaille l ? utilisation d ? un algorithme multi-objectif pour réaliser cette recherche combinatoire Ce dernier algorithme n ? est pas utilisé pour l ? application mobile finale présentée dans le chapitre mais peut être intéressant pour une future application ne demandant pas une réponse quasi temps réel CONSTRUCTION DYNAMIQUE DU PATTERN Avant toute chose la phase de recherche combinatoire détermine quel sera le pattern de combinaison à proposer Pour cela le pattern d'une combinaison est construit de base comme ceci De plus des sous-patterns de combinaison sont définis les indices permettent de situer les éléments du pattern utilisés par les sous-patterns Mémoire de Thèse Page Différentes informations issues de la partie non dépendante du domaine du profil utilisateur vont être ensuite considérées pour modifier ce pattern Le pattern est construit dynamiquement En