Fuzz-CBA: Classification à base de règles d'association floues et systèmes de recommandation
Abstract
Recommender systems are more and more used, especially on the Internet (e.g. movie and hotel recommandation). These systems often rely on classification methods, especially on association rule-based methods. However, the methods based on association rules and sequential patterns have not been studied for recommender systems in the case of numerical attributes. We thus propose an original recommendation method based on fuzzy association rules and show its interest through experiments.
Les systèmes de recommandation sont de plus en plus présents, notamment sur Internet où il est maintenant usuel de proposer par exemple un hôtel ou un film à une personne en fonction de son profil et de ce qu'ont choisi les internautes lui ressemblant. Ces systèmes de recommandation s'appuient souvent sur des systèmes dédiés initialement à la classification et notamment à la classification à partir de règles d'association, ceux-ci étant capables d'expliquer les décisions. Cependant, même s'il existe des approches permettant d'extraire des règles d'association et motifs séquentiels flous quand les données sont numériques, celles-ci n'ont pas été étendues pour la classification et la recommandation. Dans cet article, nous nous intéressons donc à l'utilisation de règles d'association floues pour la définition d'un système de recommandation et nous montrons l'intérêt de cette approche à travers différentes expérimentations.
Origin | Files produced by the author(s) |
---|
Loading...