Abstract FR:

Le filtrage collaboratif exploite les évaluations que des utilisateurs ont faites de certains docUments pour recommander ces mêmes documents à d'autres utilisateurs proches de lui. C'est ainsi qu'émerge la notion de communauté, définie comme un groupe de personnes partageant les mêmes centres d'intérêt. De notre point de vue, la problématique de ce filtrage consiste à gérer de façon intelligente des communautés car la qualité des recommandations dépend de la qualité des communautés. Nous nous intéressons à la capacité de perception des communautés qui permet d'améliorer la confiance des utilisateurs dans les recommandations générées à partir de ces communautés, et par conséquent de les motiver à fournir des évaluations pour le filtrage collaboratif. Il faut également étudier les informations pour la formation des communautés. Dans la réalité, une personne reçoit souvent toutes sortes de recommandations de ses proches, de ses collègues, etc. Nous émettons donc l'hypothèse que la multiplicité des critères pour former des communautés peut être exploitée pour enrichir des recommandations. Enfin, en raison de la multiplicité des critères, la qualité du positionnement des utilisateurs au sein des communautés est conditionnée par la qualité des valeurs données pour chaque utilisateur à chaque critère. Certains critères demandent beaucoup d'efforts des utilisateurs et peuvent être coûteux également pour le système, d'où des difficultés à positionner les utilisateurs dans des communautés. Ainsi, nous proposons le modèle des espaces de communautés pour la gestion des communautés explicites et multicritères, incluant une stratégie de positionnement des utilisateurs dans des communautés.