A Deep Learning Content-Based Recommender System: Application in the Context of Arabic Language
en
Loading...
Authors
Files
Collections
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