Privacy-enabled scalable recommender systems

Résumé : L'objectif principal de la thèse est de proposer une méthode de recommandation prenant en compte la vie privée des utilisateurs ainsi que l'évolutivité du système. Pour atteindre cet objectif, une technique hybride basée sur le filtrage par contenu et le filtrage collaboratif est utilisée pour atteindre un modèle précis de recommandation, sous la pression des mécanismes visant à maintenir la vie privée des utilisateurs. Les contributions de la thèse sont trois : Tout d'abord, un modèle de filtrage collaboratif est défini en utilisant agent côté client qui interagit avec l'information sur les éléments, cette information est stockée du côté du système de recommandation. Ce modèle est augmenté d’un modèle hybride qui comprend une stratégie basée sur le filtrage par contenu. En utilisant un modèle de la connaissance basée sur des mots clés qui décrivent le domaine de l'article filtré, l'approche hybride augmente la performance de prédiction des modèles sans élever l’effort de calcul, dans un scenario du réglage de démarrage à froid. Finalement, certaines stratégies pour améliorer la protection de la vie privée du système de recommandation sont introduites : la génération de bruit aléatoire est utilisée pour limiter les conséquences éventuelles d'une attaque lorsque l'on observe en permanence l'interaction entre l'agent côté client et le serveur, et une stratégie basée sur la liste noire est utilisée pour s’abstenir de révéler au serveur des interactions avec des articles que l'utilisateur considère comme pouvant transgresser sa vie privée. L'utilisation du modèle hybride atténue l'impact négatif que ces stratégies provoquent sur la performance prédictive des recommandations.
Type de document :
Thèse
Other [cs.OH]. Université Nice Sophia Antipolis, 2014. English. <NNT : 2014NICE4128>
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01135312
Contributeur : Abes Star <>
Soumis le : mercredi 25 mars 2015 - 10:52:26
Dernière modification le : mercredi 8 avril 2015 - 16:36:06
Document(s) archivé(s) le : jeudi 2 juillet 2015 - 06:37:12

Fichier

2014NICE4128.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01135312, version 1

Collections

STAR | I3S | UNICE

Citation

Andrés Dario Moreno Barbosa. Privacy-enabled scalable recommender systems. Other [cs.OH]. Université Nice Sophia Antipolis, 2014. English. <NNT : 2014NICE4128>. <tel-01135312>

Partager

Métriques

Consultations de
la notice

315

Téléchargements du document

462