Browsing by Author "Kirat, Sabah"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- ItemA basic platform of collaborative filtring(CERIST, 2008) Nouali, Omar; Kirat, Sabah; Meziani, HadjerWith the explosive growth of the quantity of new information the development of information systems to target the best answers provided to users, so they are closer to their expectations and personal taste, has become an unavoidable necessity. The collaborative filtering systems are among these information systems with particular characteristics that make the difference. The term refers to collaborative filtering techniques using the familiar tastes of a group of users to predict the unknown preference of a new user. This article describes a basic platform of collaborative filtering, which allows users to discover interesting documents, through automation of the natural process of recommendation, it allows them to express their opinion about the relevance of documents, according to their tastes and documents’ quality they perceive; it offers the opportunity to benefit from the evaluations on documents of other users, with similar profile, have found interesting. All these benefits are provided to users by the principle of collaboration, in return for an individual effort: evaluating documents.
- ItemFormation multiple de communautés par une méthode de classification automatique pour un système de filtrage collaboratif(Université des Sciences et de la Technologie Houari Boumediene, 2012) Kirat, Sabah; Meziani, Hadjer; Nouali, OmarLes 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.
- ItemMécanisme de prédiction pour une plateforme de filtrage collaboratif(CERIST, Alger, 2012) Nouali, Omar; Kirat, Sabah; Meziani, HadjerFace à la quantité et la rapidité d’apparition de nouvelles informations le développement de systèmes d’information pour cibler au mieux les réponses fournies aux utilisateurs afin qu’elles soient plus proches de leurs attentes et de leurs goûts personnels est devenu une nécessité incontournable. Les systèmes de filtrage collaboratif s’inscrivent parmi ces systèmes d’information avec certaines particularités qui font la différence. Le terme de filtrage collaboratif désigne les techniques utilisant les goûts connus d’un groupe d’utilisateurs pour prédire la préférence inconnue d’un nouvel utilisateur. Cet article décrit une plateforme de base de filtrage collaboratif qui permet aux utilisateurs la découverte de documents intéressants, grâce à l’automatisation du processus naturel de recommandation, elle leur permet d’exprimer leurs avis quant à la pertinence des documents, selon leurs goûts et la qualité qu’ils perçoivent des documents ; elle offre la possibilité de bénéficier des évaluations sur les documents que d’autres utilisateurs, de profil proche, ont jugés intéressants. Tous ces avantages sont apportés aux utilisateurs par le principe de collaboration, en contrepartie d’un effort individuel : l’évaluation des documents.