Systèmes de recommandation de films : Concepts, Méthodes, Défis et Directions Futures

Les systèmes de recommandation de films sont destinés à fournir des suggestions aux utilisateurs en fonction des caractéristiques qu'ils aiment le plus. Une recommandation de film très performante suggérera des films qui correspondent aux similarités avec le plus haut degré de performance. Cette étude réalise une revue systématique de la littérature sur les systèmes de recommandation de films. Elle met en lumière les critères de filtrage dans les systèmes de recommandation, les algorithmes implémentés dans les systèmes de recommandation de films, les critères de mesure de performance, les défis de mise en œuvre et les recommandations pour la recherche future. Certains des algorithmes d'apprentissage automatique les plus populaires utilisés dans les systèmes de recommandation de films, tels que le clustering K-means, l'analyse en composantes principales et les cartes auto-organisatrices avec analyse en composantes principales, sont discutés en détail. Une attention particulière est accordée aux travaux de recherche réalisés à l'aide de systèmes de recommandation basés sur des métaheuristiques. La recherche vise à mettre en lumière les avancées réalisées dans le développement des systèmes de recommandation de films et ce qui doit être accompli pour réduire les défis actuels dans la mise en œuvre de solutions réalisables. L'article sera utile aux chercheurs dans le domaine large des systèmes de recommandation ainsi qu'aux scientifiques des données en exercice impliqués dans la mise en œuvre de tels systèmes.