Une recommandation collaborative basée sur le sémantique et le social des amis dans les réseaux sociaux

Résumé Le développement des technologies des médias sociaux a considérablement amélioré les interactions sociales. La prolifération des plateformes sociales a généré d'énormes quantités de données et un nombre considérable de personnes rejoignent ces plateformes chaque jour. Par conséquent, l'un des enjeux actuels est de faciliter la recherche des amis les plus appropriés pour un utilisateur donné. Nous nous concentrons dans cet article sur la recommandation d'utilisateurs dans les réseaux sociaux. Nous proposons une approche novatrice qui combine un algorithme de filtrage collaboratif (CF) basé sur l'utilisateur avec des recommandations sémantiques et sociales. La dimension sémantique suggère les amis proches en fonction du calcul de la similarité entre l'utilisateur actif et ses amis. La dimension sociale est basée sur certains indicateurs de comportement social tels que le degré d'amitié et de crédibilité. La nouveauté de notre approche concerne la modélisation de la crédibilité de l'utilisateur, à travers sa confiance et son engagement dans le réseau social. Un système de recommandation sociale basé sur cette approche a été développé et des expériences ont été menées en utilisant le réseau social Yelp. Les résultats de l'évaluation ont démontré que l'approche hybride proposée améliore l'exactitude de la recommandation par rapport à l'algorithme CF basé sur l'utilisateur et résout les problèmes de rareté et de démarrage à froid.