Approche sémantique pour le développement des systèmes de recommandation

Abstract

Les systèmes de recommandations ont contribué à la réussite des sites Web personnalisées car ils peuvent automatiquement et efficacement choisir des articles ou des services adaptés à l’intérêt de l’utilisateur à partir d’énormes ensembles de données. Cependant, ces systèmes souffrent de problématiques liées au nombre peu important d’évaluations, au démarrage à froid du système et au nouvel utilisateur, nouvelle ressource. C’est pour cela que plusieurs voies ont été explorées pour trouver des solutions aux problématiques associées. Le World Wide Web se déplace d’un Web des documents hyper-liés à un Web des données liées. L’avènement de l’initiative Linked Open Data (LOD) a donné naissance à un grand choix de bases de connaissances ouvertes librement accessibles sur le Web tel que DBpedia. Ils fournissent une source d’information précieuse qui peut améliorer les systèmes de recommandation conventionnels, s’il est bien exploité. Dans cette thèse, nous montrons que l’utilisation des informations sémantiques décrivant les utilisateurs et les ressources peut améliorer la précision, la couverture et la qualité des systèmes de recommandation. Ceci en fournissant des informations supplémentaires permettant d’enrichir les items et les utilisateurs. Le web sémantique ou plus précisément le web des données ouvertes liées est l’infrastructure idéale pour obtenir ces descriptions sémantiques, car il permetla gestion décentralisée de l’information et l’agrégation de plusieurs sources