Un système de recommandation pour les villes intelligentes

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%.