Modèle multi-agents pour le filtrage collaboratif de l'information

摘要: Les systemes de recommandation sont nes la volonte pallier le probleme surcharge d'information du web. Combinant des techniques filtrage d'information, personnalisation, intelligence artificielle, reseaux sociaux et interaction personne-machine, les fournissent a utilisateurs suggestions qui repondent leurs besoins preferences informationnelles. En effet, particulierement sollicites dans applications commerce electronique. Cependant, ce type systeme ete en grande partie confine une architecture centralisee. Recemment, l'architecture distribuee connu popularite croissante, comme temoigne par exemple, pair-a-pair (« peer-to-peer »), calcul distribue Grid computing web semantique, etc., s'impose peu alternative l'approche client/serveur classique. L'hypothese chercheurs est que peuvent tirer profit d'une distribuee. Dans cette these, nous etudions defis posent distribues proposons nouvelle pair-a-pair, collaboratif, basee sur discrimination voisinage. Nous l'evolution performance, couverture qualite predictions pour differentes recommandation. outre, identifions methode plus efficace pair-a-pair. Bien these se concentre essentiellement domaine decentralise recommandation, nos contributions ne limitent pas strictement recherche. ces touchent problemes recherche plusieurs autres domaines (systeme multi-agents, gestions profils utilisateurs, reduction complexite computationnelle, collecte PageRank, etc.). ______________________________________________________________________________ MOTS-CLES DE L’AUTEUR : Filtrage l'information, Systeme distribue, Agent social.