Intégration des Influences Géographique et Temporelle pour la Recommandation de Points d'Intérêt

Résumé : La recommandation de points d'intérêts (ou POI), est devenue un problème majeur avec l'émergence des réseaux sociaux (ou LBSN). À la différence des approches de recommandation traditionnelles, les données des LBSN présentent des caractéristiques géographique et temporelle importantes qui limitent les performances des algorithmes traditionnels existant. L'intégration de ces caractéristiques dans un unique modèle de factorisation pour augmenter la qualité de la recommandation n'a pas été un problème très étudié jusqu'à présent. Dans ce papier nous présentons GeoMF-TD, une extension d'un modèle de factorisation géographique avec des dépendances temporelles. Nos expérimentations sur un jeu de données réel montre jusqu'à 20% de gain sur la précision de la recommandation.
Type de document :
Communication dans un congrès
Extraction et Gestion des Connaissances, Jan 2016, Reims, France. RNTI-E-30, pp.153-158, RNTI
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01509851
Contributeur : Hubert Naacke <>
Soumis le : mardi 18 avril 2017 - 15:49:27
Dernière modification le : vendredi 31 août 2018 - 09:25:56

Identifiants

  • HAL Id : hal-01509851, version 1

Collections

UPMC | IPAL | LIP6 | UGA

Citation

Jean-Benoît Griesner, Talel Abdessalem, Hubert Naacke. Intégration des Influences Géographique et Temporelle pour la Recommandation de Points d'Intérêt. Extraction et Gestion des Connaissances, Jan 2016, Reims, France. RNTI-E-30, pp.153-158, RNTI. 〈hal-01509851〉

Partager

Métriques

Consultations de la notice

182