Étude comparative des Systèmes de recommandations des films

Abstract

Résumé : Les systèmes de recommandation a permis d’obtenir sans effort les choses dont nous avons besoin. À l’ère de l’industrie cinématographique en pleine expansion, les utilisateurs sont confrontés à la difficulté de choisir un őlm a regardé. L’objectif principal des systèmes de recommandation des őlms est d’aider les gens en leur suggérant quel őlm regarder sans avoir à passer par le processus de décider parmi une grande collection de őlms qui se comptent par millions est fastidieuse et déroutante, Il s’agit de l’un des secteurs d’activité les plus importants au monde à l’heure actuelle. À l’usage, le RS sera en mesure de mieux comprendre l’utilisateur et de suggérer des őlms qui sont plus susceptibles d’être notés. Dans cette thèse, nous allons donc explorer les différents sujets couverts par les systèmes de recommandation de őlms et analyse différentes approches de recommandations de őlms, notamment les systèmes basés sur le contenu, les systèmes collaboratifs et les systèmes hybrides. Pour chaque thème, nous couvrons les sous-thèmes, les ensembles de données utilisés et les méthodes de de l’état de l’art pour chacun d’entre eux. Cette analyse se concentre principalement sur le domaine de l’apprentissage automatique.