Résumé:
Dans un vaste environnement de données, les systèmes de recommandation sont un type de
filtrage des données qui peut orienter l'utilisateur vers des informations pertinentes et
attrayantes. En utilisant les données d'enregistrement, le système de recommandation des
points d'intérêt (POI) prévoit les sites les plus probables. Ces systèmes ont été confrontés à
un certain nombre de problèmes, notamment la rareté des données et la mise à l'échelle.
Dans ce travail, nous avons abordé le problème en améliorant la suggestion de points
d'intérêt (POI) dans notre application mobile à l'aide d'une série d'algorithmes. Nous avons
appliqué nos propres algorithmes de pointe, tels que les systèmes implicites basés sur la
confiance et les recommandations basées sur le contenu. En outre, nous avons intégré des
algorithmes populaires et bien connus dans ce domaine, notamment l'algorithme du
système de vote de Broda, les recommandations explicites basées sur la confiance et le
filtrage collaboratif basé sur le voisinage. Toutes ces approches ont permis de rendre notre
système de recommandation de points d'intérêt plus fiable et plus efficace.
