Conception et réalisation d’un Système de Recommandation pour les Services Web

Abstract

Les systèmes de recommandation classiques offrent une solution à la quantité croissante du contenu produit chaque jour. Ils fournissent aux utilisateurs des contenus qui sont les plus pertinents pour eux et qui répondent à leurs besoins et préférences. Cependant, avec le temps ça devient une sorte de routine parce que l’être humain aime sortir de l’ordinaire et veut être au courant de tout ce qui est nouveau, par exemple, découvrir de nouveaux produits, tenter de nouvelles expériences. Dans ce mémoire, nous présentons une nouvelle approche de recommandation de services web, pour assurer de la nouveauté dans les listes recommandées et aider l’utilisateur à découvrir des services qu’il ne connait pas et qui sont nouveaux pour lui. Dans le but de représenter nos services et la relation entre eux, nous avons utilisé la notion de graphe. Ensuite, les nouveaux services sont sélectionnés en cherchant le plus long chemin entre ces services et le profil de l’utilisateur. La liste de recommandation finale générée est un mélange de services dissimilaires et services similaires, où ces derniers sont trouvés après le calcul de la similarité cosinus. Les résultats expérimentaux sur la base de données MovieLens sont très encourageants et ont montré la faisabilité de la méthode proposée. Traditional recommendation systems offer a solution to the increasing amount of content produced every day. They provide users with content that is most relevant to them and that meets their needs and preferences. However, over time it becomes a kind of routine because human beings like to be out of the ordinary and want to be aware of everything that is new, for example, discovering new products, trying new experiences. In this brief, we present a new approach to recommending web services, to ensure novelty in recommended lists and to help users discover services they are unfamiliar with that are new to them. In order to represent our services and the relationship between them, we used the notion of graph. Then the new services are selected by looking for the longest path between these services and the user's profile. The final recommendation list generated is a mixture of dissimilar and similar services, where the latter are found after calculating the cosine similarity. The experimental results on the MovieLens database are very encouraging and have shown the feasibility of the proposed method توفر أنظمة التوصية التقليدية حلاً للزيادة المستمرة في كمية المحتوى المنتج يوميًا. فهي تقدم للمستخدمين المحتوى الأكثر ملاءمة لهم والذي يلبي احتياجاتهم وتفضيلاتهم. ومع ذلك، مع مرور الوقت، تصبح نوعًا من الروتين لأن البشر يحبون الخروج عن المألوف ويريدون أن يكونوا على علم بكل ما هو جديد، مثل اكتشاف منتجات جديدة أو تجربة تجارب جديدة. في هذا الملخص، نقدم نهجًا جديدًا لتوصية خدمات الويب، لضمان التجديد في القوائم المقترحة ولمساعدة المستخدمين على اكتشاف الخدمات التي لا يعرفونها والتي تعتبر جديدة بالنسبة لهم. ولتمثيل خدماتنا والعلاقات بينها، استخدمنا مفهوم الرسم البياني. ثم يتم اختيار الخدمات الجديدة عن طريق البحث عن أطول مسار بين هذه الخدمات وملف تعريف المستخدم. قائمة التوصيات النهائية التي تم إنشاؤها هي مزيج من الخدمات المتشابهة وغير المتشابهة، حيث يتم العثور على الأخيرة بعد حساب تشابه الكوساين. التجربة