Un Modèle de Factorisation de Poisson pour la Recommandation de Points d'Intérêt

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 présentons un modèle de recommandation basée sur la factorisation de Poisson 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 démontrer une meilleure qualité de recommandation que 3 modèles de l'état de l'art.
Complete list of metadatas

https://hal-imt.archives-ouvertes.fr/hal-01699997
Contributor : Admin Télécom Paristech <>
Submitted on : Friday, February 2, 2018 - 11:59:12 PM
Last modification on : Wednesday, July 3, 2019 - 3:02:02 PM

Identifiers

  • HAL Id : hal-01699997, version 1

Citation

Jean-Benoît Griesner, Talel Abdessalem, Hubert Naacke. Un Modèle de Factorisation de Poisson pour la Recommandation de Points d'Intérêt. 17ème Journées Francophones Extraction et Gestion des Connaissances (EGC 2017), Jan 2017, Grenoble, France. pp.411-416. ⟨hal-01699997⟩

Share

Metrics

Record views

144