Modèle de filtrage collaboratif hybridebasé sur l’apprentissage en profondeur

Abstract

En raison de la modernisation récente des données, les systèmes de recommandation (SR) jouent un rôle primordiale dans de nombreux produits et services, c’est pour cette raison les grandes entreprises comme Amazon, Google, YouTube, Facebook, Netflix, Alibaba ... ont développé leurs propres systèmes de recommandation plus avancés, cela explique notre motivation de mettre en oeuvre un système de recommandation pour les films en appliquant des algorithmes d’apprentissage automatique (ML) avec l’objectif de recommander les éléments les plus appropriés en fonction des préférences des utilisateurs. Nous présentons dans ce travail, une proposition pour améliorer la liste des recommandations et rendre les recommandations plus adaptées aux changements des préférences des utilisateurs. Nous proposons une hybridation entre le filtrage collaboratif basé sur les réseaux de neurones profonds avec la méthode de segmentation basée sur le niveau de similarité entre les utilisateurs. La performance de notre approche est testée à travers plusieurs expérimentations menées sur la base de films MoviLens, afin de prouver l’efficacité des propositions et fournir de nouvelles perspectives. Nous avons également créé une interface simple pour illustrer la mise en oeuvre du modèle proposé avec une nouvelle recommandation de film.