Abstract:
Notre projet de fin de cycle se concentre sur le développement d'un système de recommandation de livres personnalisé utilisant des techniques d'apprentissage automatique. Notre approche SR-HSDF utilise le filtrage basé sur le contenu pour cibler les préférences des utilisateurs. Pour surmonter le problème de la sur-spécialisation, nous avons intégré le filtrage collaboratif au filtrage basé sur le contenu. Par a suite, nous utilisons l'algorithme de clustering K-means pour traiter le problème du démarrage à froid. Cette étape basé sur l'apprentissage automatique permet de fournir des recommandations diversifiées et pertinentes, tout en offrant des suggestions adaptées aux nouveaux utilisateurs. Le résultat est un système de recommandation robuste basé sur l'apprentissage automatique qui améliore l'expérience utilisateur en proposant des livres correspondant à leur préférence tout en introduisant de la variété dans les suggestions.
