A Deep Learning Content-Based Recommender System: Application in the Context of Arabic Language

en
Loading...
Thumbnail Image

Journal Title

Journal ISSN

Volume Title

Publisher

Department

Supervisor

Date

Abstract

À l’ère du big data, les Systèmes de Recommandation (Recommender Systems, RSs) sont devenus des outils de plus en plus utilisés. Ils constituent un type important d’algorithmes d’apprentissage automatique (Machine Learning, ML) qui contribuent principalement à préserver la fidélité des internautes, en mettant à leur disposition un contenu personnalisé sur les différentes plateformes électroniques telles que Amazon, Netflix, YouTube et Facebook. Les RSs sont bénéfiques à la fois pour les utilisateurs et les entreprises. Ils aident les utilisateurs à prendre des décisions, et les entreprises à faire plus de bénéfices. En fait, une grande partie des revenus de nombreuses entreprises est générée uniquement par les recommandations. Plusieurs RSs ont été proposés dans la littérature, dont la plupart se sont principalement concentrés sur le contenu anglais. La recherche et les ressources concernant les RSs en d’autres langues notamment l’arabe sont restreintes. Ces derniers temps, le contenu arabe sur le Web a considérablement augmenté, et ce en raison du nombre croissant d’internautes arabes; l’arabe classée quatrième parmi les dix premières langues utilisées sur internet. Ce qui sollicite la nécessité de conduire des études portant sur le contenu arabe, plus particulièrement dans le domaine desRSs. Cette thèse aborde les récents travaux réalisés dans le domaine des RSs, tout en mettant l’accent sur le manque de recherches concernant les RSs arabes. Par ailleurs, elle présente d’autres nouvelles contributions visant à améliorer ce domaine peu exploré jusqu’à présent. La première contribution porte sur l’exploration et l’investigation des RSs récents initialement consacrés au contenu anglais, lorsqu’ils sont appliqués au contenu arabe. Elle envisage d’expérimenter des RSs de pointe à partir de trois aspects à savoir, l’applicabilité, l’impact du prétraitement et la performance lors du changement de la langue du contenu. En réalisant cet ensemble d’expérimentations, l’apport de cette première contribution réside aussi dans la construction et la mise

Description

Keywords

Sciences de l’Ingénieur, Informatique, Big data, Apprentissage automatique, Apprentissage profond, Traitement automatique des langues, Réseau neuronal convolutif, Systèmes de recommandation, Recommandations personnalisées, Prédiction des notes, Filtrage collaboratif, Factorisation de matrices, Avis de l’utilisateur, Analyse de texte

Citation