Andere Kunden interessierten sich auch für
![Conception et réalisation d¿un système de recommandation]( "Conception et réalisation d¿un système de recommandation")
Conception et réalisation d¿un système de recommandation26,99 €![Un système hybride AG/PMC pour la reconnaissance de la parole Arabe]( "Un système hybride AG/PMC pour la reconnaissance de la parole Arabe")
Un système hybride AG/PMC pour la reconnaissance de la parole Arabe36,99 €![Les Systèmes de Recommandation à Base de Filtrage Collaboratif]( "Les Systèmes de Recommandation à Base de Filtrage Collaboratif")
Les Systèmes de Recommandation à Base de Filtrage Collaboratif39,99 €![Système d'intégration hybride de bases de données à base ontologique]( "Système d'intégration hybride de bases de données à base ontologique")
Système d'intégration hybride de bases de données à base ontologique42,99 €![Regroupement textuel pour les systèmes de recommandation industriels]( "Regroupement textuel pour les systèmes de recommandation industriels")
Regroupement textuel pour les systèmes de recommandation industriels43,99 €![Index hybride pour la recherche approximative de mots-clés sur une base de données spatiales]( "Index hybride pour la recherche approximative de mots-clés sur une base de données spatiales")
Index hybride pour la recherche approximative de mots-clés sur une base de données spatiales23,99 €![Modèles Contextuels pour la Recommandation et l'Expansion de Requêtes]( "Modèles Contextuels pour la Recommandation et l'Expansion de Requêtes")
Modèles Contextuels pour la Recommandation et l'Expansion de Requêtes62,99 €
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.