Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Recommandation Personnalisée Hybride
Univ Europeenne - EAN : 9783847387459
Édition papier
EAN : 9783847387459
Paru le : 1 nov. 2018
69,90 €
66,26 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Manquant sans date
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783847387459
- Réf. fournisseur : 2485168
- Editeur : Univ Europeenne
- Date Parution : 1 nov. 2018
- Disponibilite : Manque sans date
- Barème de remise : NS
- Nombre de pages : 216
- Format : H:220 mm L:150 mm E:13 mm
- Poids : 325gr
- Interdit de retour : Retour interdit
- Résumé : Face à la surabondance de l'information sur le net, l'accès aux ressources pertinentes devient une tâche fastidieuse pour les usagers de la toile. Les systèmes de recommandation personnalisée comptent parmi les principales solutions qui filtrent les ressources pour ne proposer que les plus pertinentes. Le filtrage collaboratif et le filtrage basé sur le contenu sont les principales techniques de recommandations personnalisées. L'objectif de cet ouvrage est de proposer une nouvelle technique d'hybridation en étudiant les bénéfices de l'exploitation combinée d'une part, des informations sémantiques des ressources, avec d'autre part, le filtrage collaboratif. Nous proposons plusieurs approches pour l'apprentissage d'un nouveau profil utilisateur. Pour chaque approche proposée, nous traitons le problème du manque de la densité des données et le problème de la massivité des données. Nous montrons également, de façon empirique, un gain au niveau de la précision des recommandations par rapport à des approches purement collaboratives ou basées sur le contenu. L'étude expérimentale est effectuée sur la base de données du système de recommandation de films MovieLens.
- Biographie : Sonia Ben Ticha, docteur en informatique, thèse obtenue à l'université de Lorraine (France) et l'université de Tunis El Manar (Tunisie), enseignante à l'Ecole Nationale des Sciences de l'Informatique (ENSI) en Tunisie.
