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

dc.contributor.authorMehdi SRIFI
dc.date.accessioned2025-01-23T10:36:10Z
dc.date.accessioned2026-01-24T08:36:36Z
dc.date.available2025-01-23T10:36:10Z
dc.date.issued2021
dc.description.abstractÀ 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 misefr_FR
dc.description.collaboratorMoulay Driss RAHMAN (Président)
dc.description.collaboratorYouness TABII (Rapporteur/Examinateur)
dc.description.collaboratorNoureddine FALIH (Rapporteur/Examinateur)
dc.description.collaboratorLahoucine BALLIHI (Rapporteur/Examinateur)
dc.description.collaboratorYounès El BOUZEKRI EL IDRISSI (Examinateur)
dc.description.collaboratorAyoub AIT LAHCEN (Co-Directeur de thèse)
dc.description.collaboratorSalma MOULINE (directrice de thèse)
dc.description.laboratoiree Recherche en Informatique et Télécommunicationsfr_FR
dc.identifier.urihttps://toubkalpreprod.imist.ma/handle/123456789/35062
dc.language.isoenfr_FR
dc.subjectSciences de l’Ingénieurfr_FR
dc.subjectInformatiquefr_FR
dc.subjectBig datafr_FR
dc.subjectApprentissage automatiquefr_FR
dc.subjectApprentissage profondfr_FR
dc.subjectTraitement automatique des languesfr_FR
dc.subjectRéseau neuronal convolutiffr_FR
dc.subjectSystèmes de recommandationfr_FR
dc.subjectRecommandations personnaliséesfr_FR
dc.subjectPrédiction des notesfr_FR
dc.subjectFiltrage collaboratiffr_FR
dc.subjectFactorisation de matricesfr_FR
dc.subjectAvis de l’utilisateurfr_FR
dc.subjectAnalyse de textefr_FR
dc.titleA Deep Learning Content-Based Recommender System: Application in the Context of Arabic Languagefr_FR

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
these-fsr.pdf
Size:
8.62 MB
Format:
Adobe Portable Document Format