Utilisation de l’approche pré-filtrage contextuel des CARS

Problématique et objectif

Les SRs dites SRs traditionnels essayent de modéliser le degré d’utilité d’un item à un utilisateur qu’il ne l’a pas déjà évalué par rapport aux items notés dans le passé. Cependant, ces systèmes ignorent que ces notes attribués peuvent être différente en allant d’un contexte à un autre. En effet, l’endroit où se trouve l’utilisateur (à la maison ou au travail), le temps (le matin ou le soir), la saison, l’état d’esprit peuvent influer sur les votes des utilisateurs, et ainsi améliorer l’exactitude des recommandations. Les systèmes de recommandation sensibles au contexte (les CARS : Context Aware Recommender Systems) apportent une solution à ce problème. Sachant que récemment, les entreprises ont commencé à intégrer certaines informations contextuelles dans leurs moteurs de recommandation.

Trois approches principales dans lequel les informations contextuelles peuvent être incorporées dans les systèmes de recommandation à savoir : Pré-filtrage Contextuel (contextual pre-filtering), Post-filtrage Contextuel (contextual post-filtering), Modélisation Contextuelle (contextual modeling). L’objectif de notre travail est d’incorporer l’information contextuelle en appliquant l’approche de Pré-filtrage Contextuel pour la recommandation des films. La particularité de cette approche est qu’elle se fait avant que la méthode principale de recommandation soit lancée sur le reste des données sélectionnées. L’information contextuelle sera utilisée comme une étiquette permettant de filtrer les évaluations qui ne correspondent pas à notre information contextuelle. Ensuite nous allons lancée sur la base de données réduite la méthode de recommandation filtrage collaboratif afin d’obtenir les recommandations liées au contexte. Nous utilisons le processus UP du langage de modélisation UML pour la modélisation de notre système et la base de données FILM de MovieLens1 qui fournit les notes données par des utilisateurs à certains films dont nous allons intégrer la notion du contexte.

Organisation

Ce mémoire comporte trois chapitres qui se répartissent comme suit : Le premier chapitre, offre un survol des systèmes de recommandation. Ce survol présente l’histoire des systèmes de recommandation, suivie de leur définition, puis les différentes approches de recommandations qui existent ainsi que leurs avantages et inconvénients. Dans le deuxième chapitre, nous commençons par définir la notion de contexte. Nous enchaînons en montrant les différentes méthodes de son introduction dans le processus de recommandation. Nous terminons en présentant quelques SR sensibles au contexte. Et enfin dans le troisième chapitre nous allons présenter notre conception ainsi que les principaux outils utilisés pour la mise en place de notre application ainsi que quelques captures d’écran de notre interface graphiques.

Qu’est-ce qu’un système sensible au contexte (Context-awareness)

On dit d’un système qu’il est sensible au contexte s’il peut tirer, interpréter et utiliser des informations issues du contexte et adapter sa réponse en fonction du contexte d’utilisation. On fait maintenant le distinguo entre les applications qui utilisent le contexte, comme par exemple un service de météo qui aura besoin d’informations de localisation et de temps pour produire un bulletin et d’autres applications qui adaptent leur comportement en fonction du contexte. L’utilisation simple du contexte n’implique pas une modification du comportement du système. Salbert et al. [21] définissent la sensibilité au contexte comme étant la meilleure capacité d’un système à agir en temps réel avec des données provenant du contexte. Dey limite sa définition à l’interface homme machine sans prendre en compte l’application en elle-même. D’autres définitions sont plus orientées vers l’adaptation au contexte : Brown [22] dit d’une application sensible au contexte qu’elle doit automatiquement extraire de l’information ou effectuer des actions en fonctions du contexte utilisateur détecté par les capteurs.

Enfin Dey et Abowd [16] proposent qu’un système soit sensible au contexte s’il utilise des informations du contexte pour mettre à disposition des informations ou des services utiles à l’utilisateur, l’utilité dépendant de la tache de l’utilisateur. Avec cette définition, une application qui se contenterait d’afficher à l’écran le contenu des variables de contexte est une application sensible au contexte légitime, même si elle ne modifie pas son comportement. Ces définitions s’articulent toutes autour de l’aptitude d’un dispositif à adapter son comportement en se basant sur le contexte de l’utilisateur. Un système sensible au contexte est un ensemble de mécanismes destinés pour la collection et la gestion des informations de contexte, et le contrôle du comportement du système en fonction de ces informations.

Conclusion générale et perspectives

Dans ce mémoire, nous avons utilisé l’approche de pré-filtrage contextuel des systèmes de recommandations sensible au contexte (Context Aware …..) afin de générer des recommandations plus pertinentes et adapté à la situation contextuelle de l’utilisateur. Puisque nous avons utilisé l’approche de pré-filtrage contextuel, l’incorporation du contexte dans notre système de recommandation est exécutée avant que le module principal de la recommandation ne soit lancé. Nous avons utilisé le langage de modélisation UML pour la conception de notre système et après avoir définit l’architecture de notre système, nous avons détaillé la réalisation de notre application. Notre application retourne une liste de films les plus pertinents à un utilisateur cible, une fois, en prenant en compte de l’information contextuelle et l’autre fois en la négligeant, et ceci en se basant sur la corrélation de Pearson pour établir le taux de similarité entre l’utilisateur ciblé et ceux qui sont similaires de la collection. Nous pouvons conclure que l’intégration du contexte dans les systèmes de recommandation, permet d’améliorer les performances de ces derniers, en fournissant des informations supplémentaires qui vont être exploitées afin d’effectuer de meilleures recommandations. Finalement, nous pouvons dire que la contextualisation a un impact positif sur le processus de recommandation.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport gratuit propose le téléchargement des modèles gratuits de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
Chapitre 1 :
1.1. Introduction
1.2. Historique
1.3. Définition des systèmes de recommandation
1.4. Objectif des systèmes de recommandation
1.5. Approches de recommandation classiques
1.5.1. Recommandation basée sur le contenu
1.5.2. Recommandation basée sur le filtrage collaboratif
1.5.3. Recommandation basé sur le filtrage hybride
1.5.4. Recommandation communautaire
1.5.5. Recommandation basé sur le filtrage démographique
1.5.6. Recommandations à base de connaissances
1.6. Forces et faiblesses des systèmes de recommandations classiques
1.7. Conclusion
Chapitre 2 Systèmes de Recommandations Sensibles au Contexte
2.1. Introduction
2.2. Définition du contexte
2.3. Catégorisation du contexte
2.5. Paradigmes pour l’intégration du contexte dans les systèmes de recommandation
2.5.1. Pré-filtrage Contextuel (contextual pre-filtering)
2.5.2. Post-filtrage Contextuel
2.5.3. La modélisation contextuelle
2.6. Qu’est-ce qu’un système sensible au contexte (Context-awareness)
2.7.1. Micro-profiling
2.7.2. Sourcetone Interactive Radio – Musiques selon l’humeur
2.8. Conclusion
Chapitre 3 Utilisation de l’approche pré-filtrage contextuel des CARS
3.1. Introduction
3.2. Architecture de l’approche proposée
3.3. Conception du système
3.3.1. Diagramme de cas d’utilisation
3.3.2. Diagramme de séquence
3.3.3. Diagramme de classe
3.4. Collection de données
3.5. Environnement de développement
3.6. Description de l’outil développé
3.7. Conclusion
Conclusion générale et perspectives
Références bibliographiques
Liste des figures
Liste des tableaux
Liste des abréviations
Résumé