Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Un Modèle de Factorisation de Poisson pour la Recommandation de Points d'Intérêt
In EGC 2017, vol. RNTI-E-33, pp.411-416
Résumé
L'explosion des volumes de données circulant sur les réseaux
sociaux géo-localisés (LBSN) rend possible l'extraction des préférences
des utilisateurs. En particulier ces préférences peuvent être utilisées pour
recommander à l'utilisateur des points d'intérêt en adéquation avec son
profil. Aujourd'hui la recommandation de points d'intérêt est devenue
une composante essentielle des LBSN. Malheureusement les méthodes
de recommandation traditionnelles échouent à s'adapter aux contraintes
propres aux LBSN, telles que la ”sparsité” très élevée des données, ou
prendre en compte l'influence géographique. Dans ce papier nous pré-
sentons un modèle de recommandation basée sur la factorisation de Pois-
son qui offre une solution efficace à ces contraintes. Nous avons testé
notre modèle via des expérimentations sur un jeu de données réaliste
issu du LBSN Foursquare. Ces expériences nous ont permis de démon-
trer une meilleure qualité de recommandation que 3 modèles de l'état-
de-l'art.