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

Jean-Benoît Griesner Talel Abdessalem 1, 2 Hubert Naacke 3
1 IPAL - Image & Pervasive Access Lab
2 NUS - School of computing [Singapore]
3 BD - Bases de Données
LIP6 - Laboratoire d'Informatique de Paris 6
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 : jeudi 12 avril 2018 - 16:34:05

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〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

155

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD