Une approche basée sur les motifs graduels pour la recommandation dans un contexte de consommation répétée
Résumé
Recommendation systems were designed to solve the problem of data overload. The objective is therefore to select from a large number of items those of low quantity relevant to a given user. Taking into account the repetitive and periodic nature of interactions between users and items has improved the performance of existing systems. But these systems do not take into account the digital data associated with these interactions. In this paper, we propose a recommendation approach based on gradual patterns which makes it possible to model the covariations between items. The experimental results obtained with proposed approach are encouraging with respect to the used dataset.
Les systèmes de recommandation ont été conçus pour résoudre le problème de surcharge de données. L'objectif est donc de sélectionner parmi un nombre élevé d'items ceux de faible quantité pertinents pour un utilisateur donné. La prise en compte de la nature répétitive et périodique des interactions entre les utilisateurs et les items a permis d'améliorer les performances des systèmes existants. Mais ces systèmes ne prennent pas en compte les données numériques associées à ces interactions. Nous proposons dans cet article une approche de recommandation basée sur les motifs graduels qui permettent de modéliser les covariations entre items. Les résultats expérimentaux obtenus avec l'approche proposée sur le jeu de données utilisé sont encourageants.
Fichier principal
Motifs graduels pour la recommandation dans un contexte de consommation-EGC2022.pdf (551.74 Ko)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|