Abstract:
Les systèmes de recommandation sont utilisés pour fournir des items (par exemple :
les films, la musique, les articles, les recettes..) adaptées aux préférences des utilisateurs. Ils
sont capables d'estimer l'intérêt d'un utilisateur pour une ressource donnée en se basant sur
certaines de ses informations et de ce qui a été suivi par d'autres utilisateurs similaires .
Dans le cadre de ce mémoire, nous nous intéressons à élaborer un système de recommandation
basé sur le filtrage collaboratif qui consiste à trouver l'information qui satisfait l'utilisateur en
utilisant les évaluations des autres personnes. Notre objectif est de recommander des recettes
ou aliments censés être appréciés par l'utilisateur, qui sont aussi jugés diététiques aux personnes
souffrants d'obésité ou de surpoids, et ceci en tenant compte leurs IMC ainsi que les antécédents.
En outre, nous proposons "Healthy For Obesity", un nouveau SR alimentaire basé sur la
connaissance et les informations de l'utilisateur, en intégrant des techniques d'apprentissage
automatique tel que KNN, qui peuvent être utilisées pour classifier les utilisateurs et les aider à
trouver des aliments pertinents suivis de leur apport calorique. En particulier, nous mettons en
oeuvre HFO dont nous présentons l'idée générale dans ce travail en se servant de deux datasets
tirés du site kaggle, les analyser , et enfin obtenir des résultats précis et pertinents . l'évaluation
de notre système a montré d' assez bons résultats avec un accuracy de 75%.
