Résumé:
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 (ou appelées 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 ou autrement dit recommander aux utilisateurs des items qui sont appréciés par leurs voisins.
Nous nous intéressons dans ce projet à appliquer les techniques d'analyse de réseaux complexes et plus précisément les techniques de détection de communautés dans le calcul de recommandation. En effet, la matrice des évaluations peut être vue comme la matrice d'adjacence d'un graphe biparti et ainsi les techniques de détection de communautés présenteront une bonne solution afin de détecter les utilisateurs et les items similaires.
L'objectif est de réaliser un système de recommandation en se basant sur les techniques de détection de communautés afin de palier à certains problèmes liés à la technique du filtrage collaboratif sur laquelle nous focalisons notre travail. Nous proposons une architecture qui combine le filtrage collaboratif et la détection de communauté.
