République Algérienne Démocratique et Populaire Université Abou Bakr Belkaid– T

République Algérienne Démocratique et Populaire Université Abou Bakr Belkaid– Tlemcen Faculté Des Sciences Département d’Informatique Mémoire de fin d’études Pour l’obtention du diplôme de Master en Informatique Option SIC Thème Application et exploration de l’approche de découpage des systèmes de recommandations pré-contextuelle Réalisé par : - MESROUA NADJLA AMINA - SEGHIRI DJIHANE Présenté le 27 Juin 2019 devant le jury composé de MM . - MAATALLAH H. (Président) - BENMANSOUR F. (Examinatrice) - EL YEBDRI Z. (Encadreur) Année universitaire: 2018-2019 Remerciement Nous tenons tout d’abord à remercier Dieu le tout puissant et miséricordieux, qui nous a donné la force et la patience d’accomplir ce modeste travail. En second lieu, nous tenons à remercier notre encadreur Mme EL YEBEDRI ZINEB, Pour son encadrement, ses conseils et son aide précieux et constant qu’elle nous a apporté tout au long de ce travail, ainsi que pour les remarques constructives qu’elle nous a donné lors de la rédaction de ce mémoire. Nos vifs remerciements vont également aux membres de jury pour l’intérêt qu’ils ont porté à notre recherche en acceptant d’examiner notre travail et de l’enrichir par leurs propositions. Nous adressons notre plus sincère remerciement à tous les enseignants de département d’informatique, qui par leur enseignement, ont contribués à notre formation durant tout notre cursus universitaire. Enfin, nous tenons également à remercier toutes les personnes qui ont participé de près ou de loin à la réalisation de ce travail. Dédicace Je dédie ce modeste travail à celle qui m’a donné la vie. Qui s’est sacrifiée pour mon bonheur et ma réussite, à ma mère le symbole de tendresse. A mon père , école de mon enfance, qui a été mon ombre durant toutes mes années d’études, et qui a veillé tout au long de ma vie à m’encourager, à me donner de l’aide et à me protéger, que dieu le garde et le protège. Aucune dédicace ne saurait exprimer ma grande admiration, ma considération et ma sincère affection pour vous deux. A ma sœur unique FEDOUAA avec laquelle je partage une immense complicité à travers Laquelle une très forte affection est née entre nous et restera à jamais, rien au monde ne pourra nous séparer, et à son fils adoré WASSIM que dieu le garde pour elle, ainsi que son mari MOHAMMED. A mon frère adoré Faysal ainsi que sa femme FV ELLA et leur petite princesse qui a vu le jour récemment, Vous vous êtes toujours préoccupée de moi en m’octroyant un soutien morale inestimable et apaisé. Vous m’avez constamment annoncé de bonnes nouvelles. Merci pour tout Que Dieu le Tout puissant vous comble de Sa grâce et de Sa protection. A toi NEDJLAA, qui as été ma plus belle rencontre scientifique et amicale. SEGHIRI DJIHANE Dédicace Je dédie ce modeste travail à celle qui m’a donné la vie. Qui s’est sacrifiée pour mon bonheur et ma réussite, à ma mère le symbole de tendresse. A mon père, école de mon enfance, qui a été mon ombre durant toutes mes années d’études, et qui a veillé tout au long de ma vie à m’encourager, à me donner de l’aide et à me protéger, que dieu le garde et le protège. Aucune dédicace ne saurait exprimer ma grande admiration, ma considération et ma sincère affection pour vous deux. A ma sœur unique IKRAM FATIMA ZOHRA avec laquelle je partage une immense complicité à travers Laquelle une très forte affection est née entre nous et restera à jamais, rien au monde ne pourra nous séparer. A mon beau-frère adoré SIDI MOHAMMED, et ma meilleure amie NESRINE. Par vos mots apaisés, vos conseils inestimables et vos encouragements, vous avez toujours su me pousser à croire et aller de l’avant. Aujourd’hui aucun mot ne peut exprimer ma reconnaissance. Que Dieu le Tout puissant vous comble de Sa grâce et de Sa protection ainsi que toute votre famille A toi DJIHANE, qui as été ma plus belle rencontre scientifique et amicale. MESROUA NEDJLAA AMINA 5 Sommaire Liste des figures ......................................................................................................................... 7 Liste des tableaux ....................................................................................................................... 8 INTRODUCTION GENERALE ................................................................................................ 9 Introduction générale ................................................................................................................ 10 Chapitre1.Les Systèmes de recommandations classiques ........................................................ 13 1.1 Introduction ............................................................................................................... 14 1.2. Historique .................................................................................................................. 14 1.3. Définition des systèmes de recommandations ........................................................... 15 1.4. Objectif des systèmes de recommandation ................................................................ 16 1.5. Les étapes principales de la recommandation ........................................................... 16 1.5.1. Collecte d’information ....................................................................................... 17 1.5.2. Mise en œuvre d’une matrice utilisateur d’informations récoltées .................... 18 1.5.3. Extraction de la liste de recommandations ......................................................... 19 1.6. Les principales approches de filtrage ........................................................................ 19 1.6.1. Filtrage basé sur le contenu (content based filtering) ........................................ 19 1.6.2. Filtrage collaboratif (collaborative filtering) ...................................................... 20 1.6.3. Filtrage hybride (hybrid filtering) ...................................................................... 22 1.7. Avantages et inconvénients des systèmes de recommandations ............................... 24 1.8. Evaluation des Systèmes de recommandation ........................................................... 26 1.8.1. Évaluation online ................................................................................................ 26 1.8.2. Evaluation offline ............................................................................................... 27 1.9. Conclusion ................................................................................................................. 28 Chapitre2.Les systèmes de recommandation sensible au contexte ........................................ 29 2.1. Introduction .................................................................................................................. 30 2.2 Définition du contexte ............................................................................................... 30 2.3 Sources d’informations contextuelles ........................................................................ 31 2.4 Caractéristiques du Contexte ..................................................................................... 32 2.5 Dimension du Contexte ............................................................................................. 32 2.6 Systèmes sensibles au contexte ................................................................................. 33 2.7 . Approches d’intégration du contexte dans les systèmes de recommandation ......... 34 2.7.1 Approche de Pré-filtrage Contextuel (contextual pre-filtering) ............................ 34 2.7.2. Approche de Post-filtrage Contextuel (contextual post-filtering) ...................... 35 2.7.3. Approche de la Modélisation Contextuelle (contextual modeling).................... 36 2.8. Exemples de Système de Recommandation sensibles au contexte ........................... 37 2.8.1. Micro-profiling ................................................................................................... 37 2.8.2. Amazon .............................................................................................................. 38 2.9. Splitting approche du pré-filtrage contextuel ............................................................ 38 2.10. Conclusion ............................................................................................................. 39 Chapitre3.Implémentation de l’approche de découpage .......................................................... 40 3.1. Introduction ............................................................................................................... 41 3.2. Terminologies utilisées .............................................................................................. 41 3.3. Description de l’approche de découpage ................................................................... 42 3.3.1. Algorithmes de découpage ..................................................................................... 42 3.3.1.1. Découpage par item ............................................................................................ 42 6 3.3.1.2. Découpage par utilisateur ................................................................................... 43 3.3.1.3. Découpage par item&utilisateur ......................................................................... 44 3.3.2. Critères d’impuretés ............................................................................................... 44 3.4. Implémentation de l’approche de découpage ............................................................ 45 3.4.1. Processus de découpage ..................................................................................... 46 3.4.2. Calcul taux de similarité ..................................................................................... 47 3.4.3. Calcul de prédiction ........................................................................................... 47 3.4.4. Top N Recommandation .................................................................................... 47 3.5. Evaluation .................................................................................................................. 47 3.5.1. Description du Dataset ....................................................................................... 48 3.5.2. Méthode d’évaluation ......................................................................................... 48 3.5.3. Résultat ............................................................................................................... 48 3.6. Conclusion ................................................................................................................. 49 Chapitre4.Utilisation de la Bibliothèque CarsKit ................................................................... 50 4.1. Introduction ................................................................................................................... 51 4.2. Conception .................................................................................................................... 51 4.3. Algorithmes ................................................................................................................... 51 4.3.1. Algorithmes de transformations ............................................................................ 52 4.3.2. Algorithmes d’adaptations ..................................................................................... 52 4.4. Evaluation ...................................................................................................................... 52 4.5. Guide d’utilisation ......................................................................................................... 53 4.5.1. Téléchargement de fichier CARSKit ..................................................................... 53 4.5.2. Format de donnée ................................................................................................... 54 4.5.3. Préparation de donnée ............................................................................................ 55 4.5.4. Configuration ......................................................................................................... 55 4.5. Conclusion ..................................................................................................................... 58 Conclusion générale ................................................................................................................ 60 Références Bibliographiques .................................................................................................... 62 Liste des Abréviation .............................................................................................................. 68 Résumé ..................................................................................................................................... 68 7 Liste des figures Figure 1 : Les étapes d'un système de recommandation .......................................................... 17 Figure 2 : Un système de recommandation basé sur le contenu .............................................. 20 Figure 3 : Un système de recommandation collaboratif .......................................................... 21 Figure 4 : Le système de recommandation hybride ................................................................. 22 Figure 5 : Conception d’hybridation monolithique .................................................................. 23 Figure 6 : Conception d’hybridation parallèle ......................................................................... 24 Figure 7 : Conception d’hybridation tubulaire ......................................................................... 24 Figure 8 : Approche Pré-filtrage Contextuel ........................................................................... 35 Figure 9 : Approche Post-filtrage contextuel .......................................................................... 36 Figure 10 : Approche Modélisation contextuelle .................................................................... 37 Figure 11 : Barre d’outils du site www.amazon.com .............................................................. 38 Figure 12 Architecture de l’approche de découpage ................................................................ 46 Figure 13 : Résultat d’évaluation ............................................................................................ 48 Figure 14 : Architecture de CARSKIT ................................................................................... 51 Figure 15 : format de donnée .................................................................................................. 54 Figure 16 : format binaire ........................................................................................................ 54 Figure 17 : Résultat .................................................................................................................. 57 8 Liste des tableaux Tableau 1 : Exemple de matrice utilisateur ............................................................................. 19 Tableau 2 : Les avantages et les inconvénients des techniques de recommandation ............... 26 Tableau 3 : Exemple de jeu de donnée ..................................................................................... 41 Tableau 4 : Matrice de notation résultat découpage par item................................................... 43 Tableau 5 : Matrice de notation résultat découpage par item................................................... 43 Tableau 6 : Matrice de notation résultat découpage par item&utilisateur ............................... 44 INTRODUCTION GENERALE Introduction générale Compte tenu, de la très grande masse d’informations aujourd’hui disponible sur Internet et le besoin en communication, en échange d’idées et en partage d’informations, les besoins de l’utilisateur sont devenus difficiles, non pas dans le sens de disposer de l’information, mais de trouver l’information pertinente au bon moment. Donc il est devenu primordial de concevoir des mécanismes qui permettent aux utilisateurs d’accéder à ce qui les intéresse le plus rapidement possible. Delà les systèmes de recommandations se sont apparus. Durant les 20 dernières années, les systèmes de recommandations (SRs) se sont répandus dans le domaine de la recherche en information, pour résoudre le problème des surcharges d'informations en recommandant des items (qui peuvent être un film, un livre ou un endroit à visiter …) appropriés à un utilisateur . Les SRs utilisent des profils représentant des préférences des utilisateurs pour calculer des recommandations. Ce calcul se fait par la prédiction des notes (ratings) qu’un utilisateur est susceptible d’attribuer aux items. Les uploads/Politique/ application-et-exploration-de-lapproche-de-decoupage-des-systemes-de-recommandations-pre-contextuelle.pdf

  • 14
  • 0
  • 0
Afficher les détails des licences
Licence et utilisation
Gratuit pour un usage personnel Attribution requise
Partager