SERVICE DE LA DOCUMENTATION ET DES ARCHIVES DE LA FST
Accueil
(2021)
| Titre : |
Etude et conception d'une methode KNN a nombre de voisins dynamique : application a la recommandation de lms |
| Type de document : |
texte imprimé |
| Auteurs : |
Junior Medjeu Fopa, Auteur |
| Editeur : |
Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique |
| Année de publication : |
2021 |
| Importance : |
54 P. |
| Format : |
29 cm |
| Langues : |
Français (fre) |
| Mots-clés : |
systeme de recommandation recommandation KNN prediction choix dynamique nombre voisin dynamique nombre de voisins dynamique film methode KNN parametre K preference utilisateur nombre optimal Algorithme fastag fastag business intelligence |
| Résumé : |
Avec l'avènement de l'Internet et des réseaux sociaux, on observe une surabondance de données.
Plusieurs domaines de recherche sont nés de ce fait pour faciliter l'accèes aux ressources utiles. On
note entre autres les moteurs de recherche et les systèmes de recommandation. Ces derniers visent Ã
recommander à des utilisateurs des ressources en rapport avec leurs centres d'intérêt.
Une des techniques qu'ils utilisent le plus est la méthode des K plus proches voisins (KNN) qui est
simple à mettre en oeuvre et présente de bons résultats dans de nombreux contextes [1]. Cette méthode
est généralement basée sur le calcul des similarités entre les utilisateurs et l'agrégation des avis des K
voisins les plus proches d'un utilisateur pour prédire ses préférences sur un ensemble d'objets afin de
lui faire des recommandations 1.
Le choix du parametre K represente a lui seul un autre axe de recherche tres important. En effet, sa
valeur determine en partie la qualite des recommandations finales. D'où l'importance du choix de la
meilleure valeur. Mais comment determiner le nombre optimal de voisins a considerer lors
de la prediction des preferences d'un utilisateur ?
En general, on teste la qualite des predictions sur plusieurs valeurs differentes du parametre K et on
retient celle ayant la meilleure qualite de prediction. Cependant, des auteurs ont propose des solutions
capables de determiner automatiquement le nombre optimal de voisins à considerer [2, 3, 4]. Mais
ces solutions ont un inconvenient majeur : l'introduction de nouveaux parametres et la limitation de
certaines a un nombre maximal de voisins.
Dans ce memoire, nous proposons une nouvelle methode de choix dynamique du nombre optimal de
voisins.Sur les deux jeux de donnees de Movilens sur lesquels nous avons fait nos experimentations, la
qualite de ses recommandations est meilleure que celle des solutions existantes dans leurs meilleures
configurations 2. De plus, notre methode ne depend d'aucun parametre |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=698 |
Etude et conception d'une methode KNN a nombre de voisins dynamique : application a la recommandation de lms [texte imprimé] / Junior Medjeu Fopa, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2021 . - 54 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
systeme de recommandation recommandation KNN prediction choix dynamique nombre voisin dynamique nombre de voisins dynamique film methode KNN parametre K preference utilisateur nombre optimal Algorithme fastag fastag business intelligence |
| Résumé : |
Avec l'avènement de l'Internet et des réseaux sociaux, on observe une surabondance de données.
Plusieurs domaines de recherche sont nés de ce fait pour faciliter l'accèes aux ressources utiles. On
note entre autres les moteurs de recherche et les systèmes de recommandation. Ces derniers visent Ã
recommander à des utilisateurs des ressources en rapport avec leurs centres d'intérêt.
Une des techniques qu'ils utilisent le plus est la méthode des K plus proches voisins (KNN) qui est
simple à mettre en oeuvre et présente de bons résultats dans de nombreux contextes [1]. Cette méthode
est généralement basée sur le calcul des similarités entre les utilisateurs et l'agrégation des avis des K
voisins les plus proches d'un utilisateur pour prédire ses préférences sur un ensemble d'objets afin de
lui faire des recommandations 1.
Le choix du parametre K represente a lui seul un autre axe de recherche tres important. En effet, sa
valeur determine en partie la qualite des recommandations finales. D'où l'importance du choix de la
meilleure valeur. Mais comment determiner le nombre optimal de voisins a considerer lors
de la prediction des preferences d'un utilisateur ?
En general, on teste la qualite des predictions sur plusieurs valeurs differentes du parametre K et on
retient celle ayant la meilleure qualite de prediction. Cependant, des auteurs ont propose des solutions
capables de determiner automatiquement le nombre optimal de voisins à considerer [2, 3, 4]. Mais
ces solutions ont un inconvenient majeur : l'introduction de nouveaux parametres et la limitation de
certaines a un nombre maximal de voisins.
Dans ce memoire, nous proposons une nouvelle methode de choix dynamique du nombre optimal de
voisins.Sur les deux jeux de donnees de Movilens sur lesquels nous avons fait nos experimentations, la
qualite de ses recommandations est meilleure que celle des solutions existantes dans leurs meilleures
configurations 2. De plus, notre methode ne depend d'aucun parametre |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=698 |
|  |
Réservation
Réserver ce document
Exemplaires(1)
|
MEM 10495
|
MEM 10495 |
Mémoires de master |
Master mathématiques et Informatique |
Informatique
|
Disponible |
Documents numériques
MEM 10495Adobe Acrobat PDF | | |
