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.
Type de document :
Article dans une revue
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〉
Liste complète des métadonnées

https://hal.inria.fr/hal-00778498
Contributeur : Armelle Brun <>
Soumis le : dimanche 20 janvier 2013 - 17:24:57
Dernière modification le : jeudi 11 janvier 2018 - 06:25:24

Identifiants

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〉

Partager

Métriques

Consultations de la notice

274