Etude de performances d'un systeme de predictionet de recommandation et mise en pratique des algorithmes deMachineLearning
| dc.contributor.author | Hamadache, Lyza | |
| dc.contributor.author | Senani, Fatima | |
| dc.date.accessioned | 2022-11-24T09:11:55Z | |
| dc.date.available | 2022-11-24T09:11:55Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Les syst emesderecommandations(SR)sontdevenusunoutilessentielfaceauxquan- tit esmassivesdedonn eesquinecessentdecro^ trechaquejourdepuisl'av enementd'Inter- net. LaplupartdessolutionsSRsontbas eessurl'analysedespr ef erencesdesutilisateurs et leursnotations.Lebutdelarecommandationestdepr edireles evaluationsmanquantes d'un utilisateur,oud'uneautrefa conrecommander aunutilisateurdes el ementsqueses amis appr ecientenutilisantlapr ediction. Dans notretravailnousavonsappliqu edi erentsalgorithmes(KNN,SVD,NMF)sur des Data-Setsdi erentsend eveloppantlesapproches:pr edictiondenote(rating),re- commandation avecPr ediction,unsyst emederecommandationetpropos esuneapproche Hybride etunsyst emesensibleaucontexte. Ces di erentesapprochesont et evalid eenutilisantdeuxtechniquesdevalidation: Split-validationetcross-validationetles evalu eesenutilisantdi erentesm etriquesd' evaluation, asavoir:TestStatistique,mesured' evaluation,m etriquesd'erreur,m etriquesensibleau classementetlaComplexit e. | en_US |
| dc.identifier.uri | http://172.16.99.83:4000/handle/123456789/13460 | |
| dc.language.iso | fr | en_US |
| dc.publisher | université akli mohand oulhadj-bouira | en_US |
| dc.subject | systemes de recommandation ; systemesdePrediction | en_US |
| dc.subject | Mesure d'evaluation,Metriques d'erreur | en_US |
| dc.title | Etude de performances d'un systeme de predictionet de recommandation et mise en pratique des algorithmes deMachineLearning | en_US |
| dc.type | Thesis | en_US |