Name: Système de Recommandation web Basé sur L'historique des Recherches des Utilisateurs (en Francés)
SKU: 63934118
Price: 1004.57 MXN
Availability: InStock
Author: Gaurav Paliwal
ISBN: 9786208377519

portada Système de Recommandation web Basé sur L'historique des Recherches des Utilisateurs (en Francés)

Système de Recommandation web Basé sur L'historique des Recherches des Utilisateurs (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Gaurav Paliwal

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9786208377519

Système de Recommandation web Basé sur L'historique des Recherches des Utilisateurs (en Francés)

Gaurav Paliwal (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 1,826.49$ 1,004.57

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 1,004.57

¡Envío Gratis! Llega entre el 15 Sep y el 24 Sep a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Système de Recommandation web Basé sur L'historique des Recherches des Utilisateurs (en Francés)"

Actuellement, la plupart des systèmes de recommandation disponibles utilisent l'approche du filtrage collaboratif. Ce type de système de recommandation part du principe que si deux utilisateurs ont manifesté un intérêt similaire pour le même ensemble de contenus, ils peuvent présenter un schéma d'intérêt similaire dans le choix des contenus futurs. Cependant, il peut arriver que les utilisateurs qui ont des goûts particuliers pour une catégorie spécifique de contenus se comportent différemment lorsqu'ils choisissent des contenus d'autres catégories. En outre, les approches de filtrage collaboratif ne fonctionnent pas efficacement avec des ensembles de données éparses, lorsqu'il y a un petit nombre de contenus ou un nombre limité d'utilisateurs dans les catégories de contenu. Pour surmonter tous ces problèmes, une nouvelle approche consiste à recommander des contenus dans différentes catégories en tenant compte à la fois des informations sémantiques des contenus et des intérêts des utilisateurs. Cette approche utilise les données liées comme source pour trouver la sémantique appropriée des contenus extraits de l'historique de visualisation des utilisateurs. Les concepts sémantiques récupérés pour les contenus sont ensuite regroupés en grappes sémantiques sur la base de leur similarité et de leur pertinence.