Exploitation du skipping pour la modélisation prédictive des usages du web. Vers une meilleure prise en compte du bruit

Geoffray Bonnin 1 Armelle Brun 1 Anne Boyer 1
1 KIWI - Knowledge Information and Web Intelligence
LORIA - AIS - Department of Complex Systems, Artificial Intelligence & Robotics
Résumé : La modélisation prédictive des usages du web a connu une période intense d'inves- tigation jusque la fin des années 1990. Pourtant, deux caractéristiques du web ont rarement été prises en compte : la présence de bruit et de navigations parallèles. Dans cet article, nous proposons un nouveau modèle, le modèle SBR (Skipping-Based Recommender), qui utilise une technique appelée skipping, et qui est capable de prendre en compte ces caractéristiques de la navigation web. Dans une série d'études expérimentales, nous mettons en avant les diverses contributions que possède ce modèle, et montrons que sa qualité surpasse celle des modèles de l'état de l'art.
Document type :
Journal articles
Complete list of metadatas

https://hal.inria.fr/hal-00778498
Contributor : Armelle Brun <>
Submitted on : Sunday, January 20, 2013 - 5:24:57 PM
Last modification on : Tuesday, December 18, 2018 - 4:40:21 PM

Links full text

Identifiers

Collections

Citation

Geoffray Bonnin, Armelle Brun, Anne Boyer. Exploitation du skipping pour la modélisation prédictive des usages du web. Vers une meilleure prise en compte du bruit. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2012, 26 (6), pp.609-642. ⟨10.3166/ria.26.609-642⟩. ⟨hal-00778498⟩

Share

Metrics

Record views

344