InforLorV4, Istex, Corpus, bibRecord, 000D63

Détection de communautés d’intérêt et recommandation sociale par leaders

Identifieur interne : 000D63 ( Istex/Corpus ); précédent : 000D62; suivant : 000D64

Détection de communautés d’intérêt et recommandation sociale par leaders

Source :

Ingénierie des systèmes d'information [ 1633-1311 ] ; 2012.

RBID : ISTEX:39AD0C8547B9D24968DB2B3D062B007D2586D9F2

Abstract

Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.

Recommender Systems aim at increasing the users’ satisfaction in an online service, by suggesting items that correspond to their preferences. In this article we aim at increasing the quality of the recommendations, as well as reducing the size of the recommendation model. To increase the quality of recommendations, we propose a new way to form communities of interest, by exploiting the ratio between the similarity within communities and the similarity outside of the communities. To reduce the size of the recommendation model, we propose to select a subset of users, the leaders. We show that the new algorithm used to build communities leads to an improvement of the recommendations and that the leader-based recommender decreases the size of the model by 80%, while maintaining a high coverage and accuracy.

Url:

https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/fulltext.pdf

DOI: 10.3166/isi.17.6.91-113

Links to Exploration step

ISTEX:39AD0C8547B9D24968DB2B3D062B007D2586D9F2

Le document en format XML

<record><TEI wicri:istexFullTextTei="biblStruct"><teiHeader><fileDesc><titleStmt><title xml:lang="fr">Détection de communautés d’intérêt et recommandation sociale par leaders</title>
<author><name sortKey="Brun, Armelle" sort="Brun, Armelle" uniqKey="Brun A" first="Armelle" last="Brun">Armelle Brun</name>
<affiliation><mods:affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</mods:affiliation>
</affiliation>
<affiliation><mods:affiliation>E-mail: Armelle.Brun@loria.fr</mods:affiliation>
</affiliation>
</author>
<author><name sortKey="Boyer, Anne" sort="Boyer, Anne" uniqKey="Boyer A" first="Anne" last="Boyer">Anne Boyer</name>
<affiliation><mods:affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</mods:affiliation>
</affiliation>
<affiliation><mods:affiliation>E-mail: Anne.Boyer@loria.fr</mods:affiliation>
</affiliation>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">ISTEX</idno>
<idno type="RBID">ISTEX:39AD0C8547B9D24968DB2B3D062B007D2586D9F2</idno>
<date when="2012" year="2012">2012</date>
<idno type="doi">10.3166/isi.17.6.91-113</idno>
<idno type="url">https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/fulltext.pdf</idno>
<idno type="wicri:Area/Istex/Corpus">000D63</idno>
<idno type="wicri:explorRef" wicri:stream="Istex" wicri:step="Corpus" wicri:corpus="ISTEX">000D63</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title level="a" type="main" xml:lang="fr">Détection de communautés d’intérêt et recommandation sociale par leaders</title>
<author><name sortKey="Brun, Armelle" sort="Brun, Armelle" uniqKey="Brun A" first="Armelle" last="Brun">Armelle Brun</name>
<affiliation><mods:affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</mods:affiliation>
</affiliation>
<affiliation><mods:affiliation>E-mail: Armelle.Brun@loria.fr</mods:affiliation>
</affiliation>
</author>
<author><name sortKey="Boyer, Anne" sort="Boyer, Anne" uniqKey="Boyer A" first="Anne" last="Boyer">Anne Boyer</name>
<affiliation><mods:affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</mods:affiliation>
</affiliation>
<affiliation><mods:affiliation>E-mail: Anne.Boyer@loria.fr</mods:affiliation>
</affiliation>
</author>
</analytic>
<monogr></monogr>
<series><title level="j" type="main">Ingénierie des systèmes d'information</title>
<title level="j" type="abbrev">Ing. Sys. Info.</title>
<idno type="ISSN">1633-1311</idno>
<idno type="eISSN">2116-7125</idno>
<imprint><publisher>Lavoisier</publisher>
<date type="published" when="2012-11">2012</date>
<biblScope unit="vol">17</biblScope>
<biblScope unit="issue">6</biblScope>
<biblScope unit="page" from="91">91</biblScope>
<biblScope unit="page" to="113">113</biblScope>
<biblScope unit="page-count">24</biblScope>
<biblScope unit="ref-count">0</biblScope>
<biblScope unit="fig-count">0</biblScope>
<biblScope unit="table-count">0</biblScope>
</imprint>
<idno type="ISSN">1633-1311</idno>
</series>
</biblStruct>
</sourceDesc>
<seriesStmt><idno type="ISSN">1633-1311</idno>
</seriesStmt>
</fileDesc>
<profileDesc><textClass></textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr">Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.</div>
<div type="abstract" xml:lang="en">Recommender Systems aim at increasing the users’ satisfaction in an online service, by suggesting items that correspond to their preferences. In this article we aim at increasing the quality of the recommendations, as well as reducing the size of the recommendation model. To increase the quality of recommendations, we propose a new way to form communities of interest, by exploiting the ratio between the similarity within communities and the similarity outside of the communities. To reduce the size of the recommendation model, we propose to select a subset of users, the leaders. We show that the new algorithm used to build communities leads to an improvement of the recommendations and that the leader-based recommender decreases the size of the model by 80%, while maintaining a high coverage and accuracy.</div>
</front>
</TEI>
<istex><corpusName>lavoisier</corpusName>
<author><json:item><name>Armelle Brun</name>
<affiliations><json:string>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</json:string>
<json:string>E-mail: Armelle.Brun@loria.fr</json:string>
</affiliations>
</json:item>
<json:item><name>Anne Boyer</name>
<affiliations><json:string>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</json:string>
<json:string>E-mail: Anne.Boyer@loria.fr</json:string>
</affiliations>
</json:item>
</author>
<subject><json:item><lang><json:string>fre</json:string>
</lang>
<value>communautés d’intérêt</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>systèmes de recommandation sociale</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>détection de leaders</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>communities of interest</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>social recommender systems</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>leader detection</value>
</json:item>
</subject>
<arkIstex>ark:/67375/HT0-Q0JQ8SHK-2</arkIstex>
<language><json:string>fre</json:string>
</language>
<originalGenre><json:string>research-article</json:string>
</originalGenre>
<abstract>Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.</abstract>
<qualityIndicators><score>8.56</score>
<pdfWordCount>8782</pdfWordCount>
<pdfCharCount>52988</pdfCharCount>
<pdfVersion>1.5</pdfVersion>
<pdfPageCount>24</pdfPageCount>
<pdfPageSize>595.276 x 841.89 pts (A4)</pdfPageSize>
<refBibsNative>false</refBibsNative>
<abstractWordCount>130</abstractWordCount>
<abstractCharCount>890</abstractCharCount>
<keywordCount>6</keywordCount>
</qualityIndicators>
<title>Détection de communautés d’intérêt et recommandation sociale par leaders</title>
<genre><json:string>research-article</json:string>
</genre>
<host><title>Ingénierie des systèmes d'information</title>
<language><json:string>unknown</json:string>
</language>
<issn><json:string>1633-1311</json:string>
</issn>
<eissn><json:string>2116-7125</json:string>
</eissn>
<publisherId><json:string>isi</json:string>
</publisherId>
<volume>17</volume>
<issue>6</issue>
<pages><first>91</first>
<last>113</last>
<total>24</total>
</pages>
<genre><json:string>journal</json:string>
</genre>
</host>
<ark><json:string>ark:/67375/HT0-Q0JQ8SHK-2</json:string>
</ark>
<publicationDate>2012</publicationDate>
<copyrightDate>2012</copyrightDate>
<doi><json:string>10.3166/isi.17.6.91-113</json:string>
</doi>
<id>39AD0C8547B9D24968DB2B3D062B007D2586D9F2</id>
<score>1</score>
<fulltext><json:item><extension>pdf</extension>
<original>true</original>
<mimetype>application/pdf</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/fulltext.pdf</uri>
</json:item>
<json:item><extension>zip</extension>
<original>false</original>
<mimetype>application/zip</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/bundle.zip</uri>
</json:item>
<istex:fulltextTEI uri="https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/fulltext.tei"><teiHeader><fileDesc><titleStmt><title level="a" type="main">Détection de communautés d’intérêt et recommandation sociale par leaders</title>
<respStmt><resp>Références bibliographiques récupérées via GROBID</resp>
<name resp="ISTEX-API">ISTEX-API (INIST-CNRS)</name>
</respStmt>
</titleStmt>
<publicationStmt><authority>ISTEX</authority>
<publisher>Lavoisier</publisher>
<availability><licence>© Lavoisier SAS 2012</licence>
<p>Lavoisier SAS</p>
</availability>
<date type="published" when="2012-11">2012</date>
<date type="Copyright" when="2012">2012</date>
</publicationStmt>
<notesStmt><note type="content-type" source="research-article" scheme="https://content-type.data.istex.fr/ark:/67375/XTP-1JC4F85T-7">research-article</note>
<note type="publication-type" scheme="https://publication-type.data.istex.fr/ark:/67375/JMC-0GLKJH51-B">journal</note>
</notesStmt>
<sourceDesc><biblStruct type="article"><analytic><title level="a" type="main" xml:lang="fr">Détection de communautés d’intérêt et recommandation sociale par leaders</title>
<author xml:id="author-0000" role="corresp"><persName><surname>Brun</surname>
<forename type="first">Armelle</forename>
</persName>
<affiliation><ref>1</ref>
<address><orgName type="institution">LORIA - Nancy Université</orgName>
<street>615, rue du jardin botanique</street>
<postCode>F-54506</postCode>
<settlement>Vandœuvre-lès-Nancy</settlement>
</address>
</affiliation>
<email>Armelle.Brun@loria.fr</email>
<email>Anne.Boyer@loria.fr</email>
</author>
<author xml:id="author-0001" role="corresp"><persName><surname>Boyer</surname>
<forename type="first">Anne</forename>
</persName>
<affiliation><ref>1</ref>
<address><orgName type="institution">LORIA - Nancy Université</orgName>
<street>615, rue du jardin botanique</street>
<postCode>F-54506</postCode>
<settlement>Vandœuvre-lès-Nancy</settlement>
</address>
</affiliation>
<email>Armelle.Brun@loria.fr</email>
<email>Anne.Boyer@loria.fr</email>
</author>
<idno type="istex">39AD0C8547B9D24968DB2B3D062B007D2586D9F2</idno>
<idno type="ark">ark:/67375/HT0-Q0JQ8SHK-2</idno>
<idno type="DOI">10.3166/isi.17.6.91-113</idno>
<idno type="publisher-id">isi176p91</idno>
</analytic>
<monogr><title level="j" type="main">Ingénierie des systèmes d'information</title>
<title level="j" type="abbrev">Ing. Sys. Info.</title>
<idno type="publisher-id">isi</idno>
<idno type="pISSN">1633-1311</idno>
<idno type="eISSN">2116-7125</idno>
<imprint><publisher>Lavoisier</publisher>
<date type="published" when="2012-11">2012</date>
<biblScope unit="vol">17</biblScope>
<biblScope unit="issue">6</biblScope>
<biblScope unit="page" from="91">91</biblScope>
<biblScope unit="page" to="113">113</biblScope>
<biblScope unit="page-count">24</biblScope>
<biblScope unit="ref-count">0</biblScope>
<biblScope unit="fig-count">0</biblScope>
<biblScope unit="table-count">0</biblScope>
</imprint>
</monogr>
</biblStruct>
</sourceDesc>
</fileDesc>
<profileDesc><abstract xml:lang="fr"><p>Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.</p>
</abstract>
<abstract xml:lang="en"><p>Recommender Systems aim at increasing the users’ satisfaction in an online service, by suggesting items that correspond to their preferences. In this article we aim at increasing the quality of the recommendations, as well as reducing the size of the recommendation model. To increase the quality of recommendations, we propose a new way to form communities of interest, by exploiting the ratio between the similarity within communities and the similarity outside of the communities. To reduce the size of the recommendation model, we propose to select a subset of users, the leaders. We show that the new algorithm used to build communities leads to an improvement of the recommendations and that the leader-based recommender decreases the size of the model by 80%, while maintaining a high coverage and accuracy.</p>
</abstract>
<textClass ana="keyword"><keywords xml:lang="fr"><term>communautés d’intérêt</term>
<term>systèmes de recommandation sociale</term>
<term>détection de leaders</term>
</keywords>
</textClass>
<textClass ana="keyword"><keywords xml:lang="en"><term>communities of interest</term>
<term>social recommender systems</term>
<term>leader detection</term>
</keywords>
</textClass>
<langUsage><language ident="fr"></language>
</langUsage>
</profileDesc>
<revisionDesc><change xml:id="refBibs-istex" who="#ISTEX-API" when="2019-01-15">References added</change>
</revisionDesc>
</teiHeader>
</istex:fulltextTEI>
<json:item><extension>txt</extension>
<original>false</original>
<mimetype>text/plain</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/fulltext.txt</uri>
</json:item>
</fulltext>
<metadata><istex:metadataXml wicri:clean="corpus lavoisier not found" wicri:toSee="no header"><istex:xmlDeclaration>version="1.0" encoding="UTF-8"</istex:xmlDeclaration>
<istex:docType PUBLIC="-//EDP//DTD EDP Publishing JATS v1.0 20130606//EN" URI="JATS-edppublishing1.dtd" name="istex:docType"></istex:docType>
<istex:document><article article-type="research-article" dtd-version="1.0" xml:lang="fr">

	<front>

		<journal-meta>

			<journal-id journal-id-type="publisher-id">isi</journal-id>

			<journal-title-group>

				<journal-title>Ingénierie des systèmes d'information</journal-title>

				<abbrev-journal-title abbrev-type="publisher">Ing. Sys. Info.</abbrev-journal-title>

			</journal-title-group>

			<issn pub-type="ppub">1633-1311</issn>

			<issn pub-type="epub">2116-7125</issn>

			<publisher>

				<publisher-name>Lavoisier</publisher-name>

			</publisher>

		</journal-meta>

		<article-meta>

			<article-id pub-id-type="doi">10.3166/isi.17.6.91-113</article-id>

			<article-id pub-id-type="publisher-id">isi176p91</article-id>

			<title-group>

				<article-title xml:lang="fr">Détection de communautés d’intérêt et recommandation sociale par leaders</article-title>

			</title-group>

			<contrib-group content-type="authors">

				<contrib contrib-type="author" corresp="yes">

					<name>

						<surname>Brun</surname>

						<given-names>Armelle</given-names>

					</name>

					<xref ref-type="aff" rid="AFF1">1</xref>

					<xref ref-type="corresp" rid="FN1">*</xref>

				</contrib>

				<contrib contrib-type="author" corresp="yes">

					<name>

						<surname>Boyer</surname>

						<given-names>Anne</given-names>

					</name>

					<xref ref-type="aff" rid="AFF1">1</xref>

					<xref ref-type="corresp" rid="FN2">**</xref>

				</contrib>

			</contrib-group>

			<aff id="AFF1">

				<label>1</label>

				<addr-line>

					<institution>LORIA - Nancy Université</institution>
, <named-content content-type="street">615, rue du jardin botanique</named-content>
 - <named-content content-type="postcode">F-54506</named-content>

					<named-content content-type="city">Vandœuvre-lès-Nancy</named-content>

				</addr-line>

			</aff>

			<author-notes>

				<corresp id="FN1">

					<label>*</label>

					<email>Armelle.Brun@loria.fr</email>

				</corresp>

				<corresp id="FN2">

					<label>**</label>

					<email>Anne.Boyer@loria.fr</email>

				</corresp>

			</author-notes>

			<pub-date date-type="pub" publication-format="print">

				<month>11</month>

				<year>2012</year>

			</pub-date>

			<volume>17</volume>

			<issue>6</issue>

			<fpage>91</fpage>

			<lpage>113</lpage>

			<permissions>

				<copyright-statement>© Lavoisier SAS 2012</copyright-statement>

				<copyright-year>2012</copyright-year>

				<copyright-holder>Lavoisier SAS</copyright-holder>

			</permissions>

			<abstract xml:lang="fr">

				<p>Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.</p>

			</abstract>

			<trans-abstract xml:lang="en">

				<p>Recommender Systems aim at increasing the users’ satisfaction in an online service, by suggesting items that correspond to their preferences. In this article we aim at increasing the quality of the recommendations, as well as reducing the size of the recommendation model. To increase the quality of recommendations, we propose a new way to form communities of interest, by exploiting the ratio between the similarity within communities and the similarity outside of the communities. To reduce the size of the recommendation model, we propose to select a subset of users, the leaders. We show that the new algorithm used to build communities leads to an improvement of the recommendations and that the leader-based recommender decreases the size of the model by 80%, while maintaining a high coverage and accuracy.</p>

			</trans-abstract>

			<kwd-group xml:lang="fr">

				<kwd>communautés d’intérêt</kwd>

				<kwd>systèmes de recommandation sociale</kwd>

				<kwd>détection de leaders</kwd>

			</kwd-group>

			<kwd-group xml:lang="en">

				<kwd>communities of interest</kwd>

				<kwd>social recommender systems</kwd>

				<kwd>leader detection</kwd>

			</kwd-group>

			<counts>

				<fig-count count="0"></fig-count>

				<table-count count="0"></table-count>

				<equation-count count="0"></equation-count>

				<ref-count count="0"></ref-count>

				<page-count count="24"></page-count>

			</counts>

			<custom-meta-group>

				<custom-meta>

					<meta-name>idline</meta-name>

					<meta-value>ISI – 17/2012. pages 91 à 113</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>cover_date</meta-name>

					<meta-value>Novembre-Décembre 2012</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>first_month</meta-name>

					<meta-value>11</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>last_month</meta-name>

					<meta-value>12</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>first_year</meta-name>

					<meta-value>2012</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>last_year</meta-name>

					<meta-value>2012</meta-value>

				</custom-meta>

			</custom-meta-group>

		</article-meta>

	</front>

</article>

</istex:document>
</istex:metadataXml>
<mods version="3.6"><titleInfo lang="fr"><title>Détection de communautés d’intérêt et recommandation sociale par leaders</title>
</titleInfo>
<titleInfo type="alternative" lang="fr" contentType="CDATA"><title>Détection de communautés d’intérêt et recommandation sociale par leaders</title>
</titleInfo>
<name type="personal" displayLabel="corresp"><namePart type="given">Armelle</namePart>
<namePart type="family">Brun</namePart>
<affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</affiliation>
<affiliation>E-mail: Armelle.Brun@loria.fr</affiliation>
<role><roleTerm type="text">author</roleTerm>
</role>
</name>
<name type="personal" displayLabel="corresp"><namePart type="given">Anne</namePart>
<namePart type="family">Boyer</namePart>
<affiliation>LORIA - Nancy Université, 615, rue du jardin botanique - F-54506Vandœuvre-lès-Nancy</affiliation>
<affiliation>E-mail: Anne.Boyer@loria.fr</affiliation>
<role><roleTerm type="text">author</roleTerm>
</role>
</name>
<typeOfResource>text</typeOfResource>
<genre type="research-article" displayLabel="research-article" authority="ISTEX" authorityURI="https://content-type.data.istex.fr" valueURI="https://content-type.data.istex.fr/ark:/67375/XTP-1JC4F85T-7">research-article</genre>
<originInfo><publisher>Lavoisier</publisher>
<dateIssued encoding="w3cdtf">2012</dateIssued>
<copyrightDate encoding="w3cdtf">2012</copyrightDate>
</originInfo>
<language><languageTerm type="code" authority="iso639-2b">fre</languageTerm>
<languageTerm type="code" authority="rfc3066">fr</languageTerm>
</language>
<physicalDescription></physicalDescription>
<abstract lang="fr">Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d’un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une approche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d’utilisateurs : des leaders d’opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l’approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.</abstract>
<abstract lang="en">Recommender Systems aim at increasing the users’ satisfaction in an online service, by suggesting items that correspond to their preferences. In this article we aim at increasing the quality of the recommendations, as well as reducing the size of the recommendation model. To increase the quality of recommendations, we propose a new way to form communities of interest, by exploiting the ratio between the similarity within communities and the similarity outside of the communities. To reduce the size of the recommendation model, we propose to select a subset of users, the leaders. We show that the new algorithm used to build communities leads to an improvement of the recommendations and that the leader-based recommender decreases the size of the model by 80%, while maintaining a high coverage and accuracy.</abstract>
<subject lang="fr"><genre>keywords</genre>
<topic>communautés d’intérêt</topic>
<topic>systèmes de recommandation sociale</topic>
<topic>détection de leaders</topic>
</subject>
<subject lang="en"><genre>keywords</genre>
<topic>communities of interest</topic>
<topic>social recommender systems</topic>
<topic>leader detection</topic>
</subject>
<relatedItem type="host"><titleInfo><title>Ingénierie des systèmes d'information</title>
</titleInfo>
<genre type="journal" authority="ISTEX" authorityURI="https://publication-type.data.istex.fr" valueURI="https://publication-type.data.istex.fr/ark:/67375/JMC-0GLKJH51-B">journal</genre>
<identifier type="ISSN">1633-1311</identifier>
<identifier type="eISSN">2116-7125</identifier>
<identifier type="PublisherID">isi</identifier>
<part><date>2012</date>
<detail type="volume"><caption>vol.</caption>
<number>17</number>
</detail>
<detail type="issue"><caption>no.</caption>
<number>6</number>
</detail>
<extent unit="pages"><start>91</start>
<end>113</end>
<total>24</total>
</extent>
</part>
</relatedItem>
<identifier type="istex">39AD0C8547B9D24968DB2B3D062B007D2586D9F2</identifier>
<identifier type="ark">ark:/67375/HT0-Q0JQ8SHK-2</identifier>
<identifier type="DOI">10.3166/isi.17.6.91-113</identifier>
<identifier type="publisher-ID">isi176p91</identifier>
<accessCondition type="use and reproduction" contentType="copyright">© Lavoisier SAS 2012</accessCondition>
<recordInfo><recordContentSource authority="ISTEX" authorityURI="https://loaded-corpus.data.istex.fr" valueURI="https://loaded-corpus.data.istex.fr/ark:/67375/XBH-4L897VLR-T">lavoisier</recordContentSource>
<recordOrigin>© Lavoisier SAS 2012</recordOrigin>
</recordInfo>
</mods>
<json:item><extension>json</extension>
<original>false</original>
<mimetype>application/json</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-Q0JQ8SHK-2/record.json</uri>
</json:item>
</metadata>
<serie></serie>
</istex>
</record>

Pour manipuler ce document sous Unix (Dilib)

EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Istex/Corpus

HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000D63 | SxmlIndent | more

HfdSelect -h $EXPLOR_AREA/Data/Istex/Corpus/biblio.hfd -nk 000D63 | SxmlIndent | more

Pour mettre un lien sur cette page dans le réseau Wicri

{{Explor lien
   |wiki=    Wicri/Lorraine
   |area=    InforLorV4
   |flux=    Istex
   |étape=   Corpus
   |type=    RBID
   |clé=     ISTEX:39AD0C8547B9D24968DB2B3D062B007D2586D9F2
   |texte=   Détection de communautés d’intérêt et recommandation sociale par leaders
}}

This area was generated with Dilib version V0.6.33.
Data generation: Mon Jun 10 21:56:28 2019. Site generation: Fri Feb 25 15:29:27 2022

	Serveur d'exploration sur la recherche en informatique en Lorraine
	Attention, ce site est en cours de développement ! Attention, site généré par des moyens informatiques à partir de corpus bruts. Les informations ne sont donc pas validées.

Serveur d'exploration sur la recherche en informatique en Lorraine

Détection de communautés d’intérêt et recommandation sociale par leaders

Détection de communautés d’intérêt et recommandation sociale par leaders

Source :

Abstract

Links to Exploration step

Le document en format XML

Pour manipuler ce document sous Unix (Dilib)

Pour mettre un lien sur cette page dans le réseau Wicri