Résumé: L'avènement des réseaux sociaux a entraîné une profonde transformation de la communication, du partage d'informations et de la découverte de contenus en ligne. Avec des millions d'utilisateurs dans le monde entier, ces plateformes ont généré une quantité colossale de données. La prédiction des intérêts des utilisateurs est désormais cruciale pour personnaliser les recommandations de contenu et éviter d'être submergé par des informations qui ne correspondent pas à leurs intérêts futurs. Cependant, peu de recherches et de travaux ont été axés sur la prédiction des intérêts des utilisateurs en utilisant l'apprentissage profond. Notre objectif est donc d'exploiter cette abondance de données pour répondre de manière précise et pertinente au besoin de prédire les intérêts des utilisateurs en utilisant des réseaux de neurones. Pour atteindre cet objectif, nous avons utilisé la dataset Yoochoose que nous avons adapté à nos besoins spécifiques. Nous avons exploité les informations relatives aux recherches effectuées par les utilisateurs, pour construire notre modèle basé sur un réseau neuronal récurrent, plus précisément un modèle LSTM (Long Short-Term Memory). Ensuite, nous avons comparé les performances de notre modèle LSTM avec celles d'autres techniques populaires telles que le KNN, le RNN, les arbres de décision et la régression logistique. Les résultats de nos expérimentations ont révélé que notre modèle LSTM surpassait les autres méthodes en termes de précision et de capacité prédictive.

Alger:
Langue: Français
Collation: 73 p. ill. ;30 cm.
Diplôme: Master
Etablissement de soutenance: Alger, Université des Sciences et de la Technologie Houari Boumediene. Faculté de d'Informatique
Thème Informatique

Mots clés:
Réseaux sociaux

Note: Bibliogr.pp.66-73