Documents disponibles écrits par cet auteur

A meta learning perspective on cold start recommendations for items / EL OUARDI ANAS

Public ISBD Titre : A meta learning perspective on cold start recommendations for items Type de document : projet fin études Auteurs : EL OUARDI ANAS, Auteur Langues : Français (fre) Catégories : SDBD Mots-clés : Meta-learning, Item cold-start, Prototypical Networks for Few-shot Learning, Architecture hybride Index. décimale : mast 78/18 Résumé : Le probleme du Item cold-start ICS (Le probleme de demarrage a froid des items) est le probleme le plus communement rencontre par les systemes de recommandations. Ce probleme s'aggrave particulierement dans des contextes tels que la recommandation des tweets, et surtout lorsque de nouveaux items (tweets) arrivent en continu. Dans ce travail, nous presentons une ap- proche Meta-learning pour traiter le probleme du ICS lorsque de nouveaux elements arrivent en continu,cette approche se resume dans la proposition d'une architecture hybride(modiee) des Prototypical Networks for Few-shot Learning adaptee a la recommandation des tweets. L'objectif de notre architecture est de predire la nature des nouveaux items (positifs ou negatifs) tout en ayant un minimum de donnees historiques de l'utilisateur. Le test de notre modele est eectue sur une base de donnees que nous avons collecte a base de tweets. A meta learning perspective on cold start recommendations for items [projet fin études] / EL OUARDI ANAS, Auteur . - [s.d.]. Langues : Français (fre) Catégories : SDBD Mots-clés : Meta-learning, Item cold-start, Prototypical Networks for Few-shot Learning, Architecture hybride Index. décimale : mast 78/18 Résumé : Le probleme du Item cold-start ICS (Le probleme de demarrage a froid des items) est le probleme le plus communement rencontre par les systemes de recommandations. Ce probleme s'aggrave particulierement dans des contextes tels que la recommandation des tweets, et surtout lorsque de nouveaux items (tweets) arrivent en continu. Dans ce travail, nous presentons une ap- proche Meta-learning pour traiter le probleme du ICS lorsque de nouveaux elements arrivent en continu,cette approche se resume dans la proposition d'une architecture hybride(modiee) des Prototypical Networks for Few-shot Learning adaptee a la recommandation des tweets. L'objectif de notre architecture est de predire la nature des nouveaux items (positifs ou negatifs) tout en ayant un minimum de donnees historiques de l'utilisateur. Le test de notre modele est eectue sur une base de donnees que nous avons collecte a base de tweets.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 78/18	mast 78/18 ELO	Texte imprimé	Unité des masters	Mast/18	Disponible