ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
Nouvel éditeur en 2019
 

 ARTICLE VOL 23/6 - 2018  - pp.161-172  - doi:10.3166/isi.23.6.161-172
TITRE
Réseaux de neurones à convolution profonde pour la recommandation de produit

TITLE
Deep convolutional neural networks for product recommendation

RÉSUMÉ
Les systèmes de recommandation constituent une percée majeure pour les systèmes en ligne car ils permettent d'analyser le mode de comportements de l'utilisateur. Et ces systèmes accomplissent la tâche de recommander les produits qui intéressent les utilisateurs. Les modèles existants capturant les informations des utilisateurs et les modèles d'éléments qui donneront des résultats satisfaisants aux utilisateurs. Cet article utilise des modèles préentraînés pour extraire les connaissances à partir des données en utilisant le concept d'apprentissage par transfert. Nos modèles utilisent la connaissance des modèles préentraînés pour extraire des motifs entre les utilisateurs et les produits. Pour faciliter cet objectif, dans cet article, nous avons présenté notre approche pour générer des recommandations en deux phases. Au cours de la phase de classification, la classification des images de produits et son analyse expérimentale sont ensuite décrites. Et puis, la phase de classement pour classer les images de produit pour l'utilisateur et son analyse expérimentale sont discutées. L’analyse des résultats présentée dans cet article a donné des suites prometteurs.


ABSTRACT
Recommender Systems are big breakthrough for the web enabled systems as Recommender Systems have the capability to analyze the behavior patterns of the user. And these systems are accomplishing the task of recommending the products the users are interested in. Existed models grabbing the insights of the users and items patterns will give satisfactory results to the users. This paper uses pretrained models to extract the knowledge from the data using the concept of transfer learning. Our models use the knowledge of pretrained models to extract patterns between users and items. To facilitate this objective, in this paper we presented our approach to generate recommendations in two phases. In the Classification phase, classification of product images and its experimental analysis following, the Ranking phase to rank the product images to the user and its experimental analysis are discussed. The result analysis discussed in this paper achieved promising results.


AUTEUR(S)
N. LAKSHMIPATHI ANANTHA, Bhanu PRAKASH BATTULA

MOTS-CLÉS
système de recommandation, réseau de neurones de convolution, filtrage basé sur le contenu, classement.

KEYWORDS
recommender system, convolutional neural network, content-based filtering, ranking.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (210 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier