Un Système de Recommandation basé sur l’Apprentissage Profond

Abstract

Les systèmes de recommandations proposent aux utilisateurs des objets en relation avec leurs centres d’intérêt.Les intérêts des usagers dépendent étroitement du contexte dans lequel ils se trouvent.Ainsi, avec l’apparition du concept de l’apprentissage en profondeur (Deep Learning) et les bases de données volumineuses, un nouvel axe de recherche est développé. Notre projet consiste donc à proposer un système de recommandation sensible au contexte, qui est basé sur le deeplearning et plus particulièrement les réseaux de neurones multicouches. Le modèle proposé considère le contexte à partir d'informations contextuelles non observables. Nous avons choisi de capturer l’intention implicite de l’utilisateur par les thèmes associés aux items qu’il a consultés en utilisant la méthode LDA (Latent Dirichlet Allocation). Les résultats expérimentaux obtenus sur le jeu de données de MovieLens100k sont très encourageants. Ils ont montré l’efficacité de la méthode proposée. Recommander Systems provide to users the items which are related to their preferences. The user’s interests highly depend on the context. Thus, with the emergence of Deep Learning and the large data sets, a new search area is emerging. Our purposeis to propose acontext-aware recommender system, which is based on Deep Learning, specially Multilayer Neural Network. We have chosen to capture the user's implicit context through the topics of items using the LDA (Latent Dirichlet Allocation) method. Experimental results from Movielens 100K dataset data set are very promising; they have shown the effectiveness of the proposed method. توفر أنظمة التوصية للمستخدمين العناصر التي تتعلق بتفضيلاتهم. تعتمد اهتمامات المستخدم بشكل كبير على السياق. وبالتالي، مع ظهور التعلم العميق والمجموعات الكبيرة من البيانات، يظهر مجال بحث جديد. هدفنا هو اقتراح نظام توصية واعٍ بالسياق، يعتمد على التعلم العميق، وخاصة الشبكة العصبية متعددة الطبقات. لقد اخترنا التقاط السياق الضمني للمستخدم من خلال مواضيع العناصر باستخدام طريقة LDA (تخصيص ديريكليت الخفي). أظهرت النتائج التجريبية من مجموعة بيانات Movielens 100K نتائج واعدة جدًا؛ حيث أثبتت فعالية الطريقة المقترحة.