Abstract:
Les systèmes de recommandation sont utilisés pour fournir des items (par
exemple : films, musiques, articles, medecins, etc.) adaptés aux préférences des
utilisateurs. Ils estiment l'intérêt d'un utilisateur pour une ressource donnée en
se basant sur certaines de ses informations et sur les choix des autres utilisateurs
similaires.
Dans le cadre de ce mémoire, notre objectif est de développer un SR basé
sur le filtrage collaboratif. Ce système permet de trouver les informations qui
satisferont les utilisateurs en se basant sur les évaluations des autres utilisateurs.
Nous nous concentrons spécifiquement sur la recommandation de médecins pertinents pour aider les touristes souffrant de maladies dans une ville intelligente.
Nous proposons donc "DocFast", un nouveau système de recommandation
basé sur l'utilisateur et les connaissances qui résout le problème du démarrage
à froid. Nous intégrons des techniques d'apprentissage automatique telles que
K-means pour classer les médecins en fonction des symptômes clés de leur spé-
cialité, et ajoutons au cluster les patients déjà traités. De plus, nous utilisons
l'algorithme PSO avec K-means pour optimiser la sélection des caractéristiques
dans le cluster.
Dans ce travail, nous implémentons "DocFast" et présentons son concept
général en utilisant deux ensembles de données que nous avons créés. Nous les
analysons afin d'obtenir des résultats précis et pertinents. L'évaluation de notre
système a montré des résultats satisfaisants, avec une performance de 92%.
