Une approche basée sur la prédiction de liens pour les systèmes de recommandation

Abstract

Ce projet se situe dans le cadre du domaine des systèmes de recommandation (SR). Un système de recommandation est un outil de recherche d'information et de filtrage qui vise à proposer aux utilisateurs des items qui pourraient les intéresser. La plupart des solutions des SR se basent sur l'analyse des préférences des utilisateurs et leurs évaluations implicites ou explicites pour les items. Les différentes évaluations (appelées aussi votes) sont souvent représentées sous forme d'une matrice utilisateurs x items. L'objectif de recommandation consiste à prévoir les évaluations manquantes dans cette matrice. Nous nous intéressons dans ce projet à l'exploration des approches topologiques pour le calcul de recommandation afin de pallier à certains problèmes des méthodes classiques. En effet, la matrice d'évaluation peut être vue comme une matrice d'adjacence d'un graphe biparti qui relie les deux ensembles utilisateurs et items. La problématique de recommandation se réduit alors à un problème de prédiction de liens dans un graphe biparti. L’objectif de notre travail est de réaliser un système de recommandation basé sur les graphes où la première étape consiste à collecter et explorer des informations liées aux items afin de faciliter l’intégration d’un nouvel item. La deuxième étape consiste à exploiter les informations tirées de la première étape lors du calcul de prédiction de liens entre les utilisateurs et les items.