Formation multiple de communautés par une méthode de classification automatique pour un système de filtrage collaboratif

Abstract

Les systèmes de filtrage ont pour but de distribuer des informations de façon personnalisée aux utilisateurs, tout en s’adaptant en permanence au besoin en information de chacun. Dans la plupart des systèmes de filtrage collaboratif, les communautés d’utilisateurs sont mono critères et restent implicites. Les communautés jouent un rôle très important dans un système de filtrage collaboratif, puisque la qualité des recommandations envoyées aux utilisateurs est étroitement liée à la qualité des communautés formées par le système selon le principe de base du filtrage collaboratif. Nous proposons une approche de formation de communautés selon des critères variés, afin de diversifier les recommandations envoyées aux utilisateurs. Elle consiste à créer un espace de communautés pour chacun de ces critères, les utilisateurs sont évidemment associés très différemment les uns aux autres selon le critère choisi. Ainsi, un utilisateur peut recevoir les recommandations de chacune des communautés auxquelles il appartient. Notre approche est basée sur une des méthodes de classification non supervisée, K-moyennes, que nous hybridons à la mesure de similarité de Pearson.