Titre : | Réalisation d’une application d’automation : catégorisation et de recommandation | Type de document : | projet fin études | Auteurs : | ASSATA Youssef, Auteur | Année de publication : | 2017 | Langues : | Français (fre) | Catégories : | Systèmes embarqués et mobiles
| Index. dĂ©cimale : | 1818/17 | RĂ©sumĂ© : | Il est indubitable que les technologies de l’information ont connu un essor important ces dernières années. Avec l’augmentation croissante des volumes de données non structurées et en l’occurrence les données issues du Web, la recherche de l’information pertinente par rapport `à une requête d’un utilisateur devient difficile.
Pour obtenir les résultats les plus pertinents possibles, une application d’automation consiste à classer de façon automatique des ressources documentaires. Ce projet a pour but de proposer la catégorisation d’articles d’une façon automatique et intelligente en utilisant l’apprentissage supervisé. Puis crée des collection en se basant sur des articles en utilisant l’apprentissage non supervisé enfin recommander des articles à un utilisateur donnée en utilisant les algorithmes de recommandation.
Nous présenterons le principe d’apprentissage supervisé et non supervisé pour la catégorisation et le principe des algorithmes de recommandation pour la recommandation d’articles, ensuite les mettre en place dans notre application facile à manipuler. Afin d’évaluer les modèles, nous montrons sur un jeu de données de référence que ces algorithmes sont significativement meilleurs que les approches classiques. |
Réalisation d’une application d’automation : catégorisation et de recommandation [projet fin études] / ASSATA Youssef, Auteur . - 2017. Langues : Français ( fre) Catégories : | Systèmes embarqués et mobiles
| Index. dĂ©cimale : | 1818/17 | RĂ©sumĂ© : | Il est indubitable que les technologies de l’information ont connu un essor important ces dernières années. Avec l’augmentation croissante des volumes de données non structurées et en l’occurrence les données issues du Web, la recherche de l’information pertinente par rapport `à une requête d’un utilisateur devient difficile.
Pour obtenir les résultats les plus pertinents possibles, une application d’automation consiste à classer de façon automatique des ressources documentaires. Ce projet a pour but de proposer la catégorisation d’articles d’une façon automatique et intelligente en utilisant l’apprentissage supervisé. Puis crée des collection en se basant sur des articles en utilisant l’apprentissage non supervisé enfin recommander des articles à un utilisateur donnée en utilisant les algorithmes de recommandation.
Nous présenterons le principe d’apprentissage supervisé et non supervisé pour la catégorisation et le principe des algorithmes de recommandation pour la recommandation d’articles, ensuite les mettre en place dans notre application facile à manipuler. Afin d’évaluer les modèles, nous montrons sur un jeu de données de référence que ces algorithmes sont significativement meilleurs que les approches classiques. |
|