Syst?me de recommandation web bas? sur l'historique des recherches des utilisateurs. Cet article n’est pas disponible.Syst?me de recommandation web bas? sur l'historique des recherches des utilisateurs

Actuellement, la plupart des systèmes de recommandation disponibles utilisent l'approche du filtrage collaboratif. Ce type de système de recommandation part du principe que si deux utilisateurs ont manifesté un intérêt similaire pour le même ensemble de contenus, ils peuvent présenter un schéma d'intérêt similaire dans le choix des contenus futurs. Cependant, il peut arriver que les utilisateurs qui ont des goûts particuliers pour une catégorie spécifique de contenus se comportent différemment lorsqu'ils choisissent des contenus d'autres catégories. En outre, les approches de filtrage collaboratif ne fonctionnent pas efficacement avec des ensembles de données éparses, lorsqu'il y a un petit nombre de contenus ou un nombre limité d'utilisateurs dans les catégories de contenu. Pour surmonter tous ces problèmes, une nouvelle approche consiste à recommander des contenus dans différentes catégories en tenant compte à la fois des informations sémantiques des contenus et des intérêts des utilisateurs. Cette approche utilise les données liées comme source pour trouver la sémantique appropriée des contenus extraits de l'historique de visualisation des utilisateurs. Les concepts sémantiques récupérés pour les contenus sont ensuite regroupés en grappes sémantiques sur la base de leur similarité et de leur pertinence.