Aïcha Mokhtari
Les publications de Aïcha Mokhtari :
Les livres
Aucun ouvrage lié à cet auteur.Les articles
Vers un système de recommandation basé sur une agrégation des préférences floues
Auteurs : Samia Boulkrinat, Allel Hadjali, Aïcha MokhtariDans ce travail, nous proposons une nouvelle approche pour traiter les relations de préférences de l'utilisateur, au lieu des notations absolues, dans les systèmes de recommandation. Les préférences sont des scores exprimées qualitativement à travers des termes linguistiques. C'est une technique qui semble appropri ée lorsque celles-ci sont imprécises et vagues. Par ailleurs, et du fait que l'évaluation monocritère peut cacher l'hétérogénéité des préférences, réduisant ainsi la qualité de la prédiction des items à recommander, nous avons opté pour l'évaluationmulticritère qui est une technique prometteuse pour améliorer la précision de la recommandation des systèmes actuels. Les scores des items sont représentés à travers un graphe de préférence qui reflète mieux les relations entre items. La similarité entre utilisateurs est estimée en se basant sur la similarité de leurs relations de préférences (au lieu des scores absolus) qui reflètent mieux la similarité de leurs modèles d'évaluations. L'approche améliore d'une certaine façon la précision des systèmes de recommandation classiques puisque les graphes utilisés pour réaliser la prédiction, sont assez informatifs et capturent fidèlement les relations entre les scores initiaux de l'utilisateur. In this work, we propose a novel approach to deal with user preference relations instead of absolute ratings, in recommender systems. User's preferences are ratings expressed qualitatively by using linguistic terms. This is a suitable technique when preferences are imprecise and vague. And because the overall item rating may hide the users' preferences heterogeneity and mislead the system when predicting the products that users are interested in, we choose to incorporate multi-criteria ratings, which is a promising technique to improve the current recommender systems accuracy. User's items ratings are represented through a preference graph which highlight better items relationships. Similarity between users is computed in terms of the similarity of their preference relations (instead of their absolute ratings) which can better reflect similar users' ratings patterns. The approach enhances somehow the classical recommender system precision because the graphs used for prediction are informative and reflect user's initial ratings relations.
LFA 2012
Auteur : Collectif LFAContributeurs : Inés Couso, Anne Laurent, Éric Benoit, Didier Dubois, Henri Prade, Agnès Rico, Miguel Couceiro, Jean-Luc Marichal, Serge Guillaume, Brigitte Charnomordic, Mouna Boughamsa, Messaoud Ramdani, Nicole El Zoghby, Véronique Cherfaoui, Bertrand Ducourthial, Thierry Denoeux, Mira Bou Farah, David Mercier, Éric Lefevre, François Delmotte, Nadia Ben Abdallah, Nassima Mouhous Voyneau, Thierry Denoeux, David Mercier, Éric Lefevre, Rémus Pusca, Cristian Demian, Raphael Romary, Olivier Pivert, Grégory Smits, Hélène Jaudoin, Allel Hadjali, Didier Dubois, Hélène Fargier, Dominique Guyonnet, Katia Abbaci, Allel Hadjali, Ludovic Liétard, Daniel Rocacher, Matthieu Puyo, Nadine Matton, Stéphane Vautier, Didier Dubois, Henri Prade, Salem Benferhat, Faiza Khellaf-Hamed, Ismahane Zeddigha, Gilles Mauris, Leila Amgoud, Henri Prade, Farid Aiche, Didier Dubois, Afef Denguir, François Trousset, Jacky Montmain, Samia Boulkrinat, Allel Hadjali, Aïcha Mokhtari, Sawsan Kanj, Fahed Abdallah, Thierry Denoeux, Olivier Strauss, Désiré Dro Sidibe, William Puech, Samir Hachour, François Delmotte, Éric Lefevre, David Mercier, John Klein, Jean-Marc Vannobel, Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Nicolas Sicard, Anne Laurent, Amal Oudni, Marie-Jeanne Lesot, Maria Rifqi, Reda Boukezzoula, Moheb Elmasry, Sylvie Galichet, Laurent Foulloy, Nicolas Sutton-Charani, Sébastien Destercke, Thierry Denoeux, Mehena Loudahi, John Klein, Jean-Marc Vannobel, Olivier Colot, Felipe Aguirre, Sébastien Destercke, Mohamed Sallak, Walter Schon
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, traitement données
Référence : 104721
Poss SROIQ(D) pour une ontologie géographique sous incertitude
Auteurs : Safia Bal-Bourai, Aïcha Mokhtari, Faiza Khellaf-HamedL'utilisation du formalisme de la logique de description (DL) pour représenter les connaissances géoraphiques a eu beaucoup d'attentions récemment. Néanmoins, les DLs classiques ne sont pas adaptées pour la représentation des connaissances incomplètes et incertaines, qui caractérisent plusieurs situations du domaine géographique. En outre, elles ne permettent pas de représenter l'information spatio-temporelle. Dans ce papier, nous proposons une extension possibiliste de la très expressive logique de description SROIQ(D), la base du langage OWL2, appelée Poss − SROIQ(D). Cette solution permet de gérer l'incertitude et faire face à l'incohérence dans les applications géographiques. La syntaxe et la sémantique de Poss − SROIQ(D) sont proposées et des exemples illustratifs, du domaine archéologique, sont donnés ainsi que le principe du système d'inférence. The use of description logics (DL) formalism to represent geographical knowledge has received a lot of attention recently. Nevertheless, classical DLs are not suitable to represent incomplete and uncertain knowledge, which represent several situations in geographic domain. In addition they cannot represent the spatio-temporal information usually present in geographical applications. In this paper, we propose a possibilistic extension of the very expressive Description Logic SROIQ(D), the basis of the language OWL2, called Poss − SROIQ(D), as a solution to handling uncertainty and for dealing with inconsistency in geographical applications. Both syntax and semantics of Poss − SROIQ(D) are considered. Illustrative examples, from archaeological domain, are given and the principal of the inference system.
LFA 2014
Auteur : Collectif LFAContributeurs : Bernard Fustier, Trevor Martin, Serge Boverie, Paul-Antoine Bisgambiglia, Dominique Urbani, Éric Innocenti, Mohammed Boumediene, Jean-Philippe Lauffenburger, Jérémie Daniel, Christophe Cudel, Liviu-Cristian Duţu, Gilles Mauris, Philippe Bolon, Stéphanie Dabic, Jean-Marc Tissot, Jérôme Dutozia, Karine Emsellem, Christine Voiron-Canicio, Olivier Pivert, Grégory Smits, Aurélien Moreau, Hélène Jaudoin, Ludovic Liétard, Daniel Rocacher, Allel Hadjali, Pierre Nerzic, Grégory Smits, Olivier Pivert, Nahla Ben Amor, Fatma Essghaier, Hélène Fargier, Nahla Ben Amor, Zeineb Elkhalfi, Hélène Fargier, Wided Guezguez, Didier Dubois, Zied Elouedi, Rim Hentech, Henri Prade, Tomáš Kroupa, Bruno Teheux, Gilles Moyse, Marie-Jeanne Lesot, Bernadette Bouchon-Meunier , Grégory Smits, Olivier Pivert, Marie-Jeanne Lesot, Éric Lefevre, Frédéric Pichon, David Mercier, Zied Elouedi, Benjamin Quost, Gen Yang, Sébastien Destercke, Marie-Hélène Masson, Isabelle Bloch, Jamal Atif, Amal Oudni, Marie-Jeanne Lesot, Maria Rifqi, Olivier Strauss, Farès Graba, Frédéric Comby, Benyamine Allouche, Laurent Vermeiren, Antoine Dequidt, Michel Dambrine, Abdelmadjid Cherifi, Laurent Arcese, Kévin Guelton, Victor Estrada-Manzo, Zsofia Lendek, Thierry Marie Guerra, Raymundo Márquez, V. Campos, Thierry Marie Guerra, R. Palhares, Alexandre Kruszewski, Miguel Bernal, AnhTu Nguyen, Antoine Dequidt, Jimmy Lauber, Stefan Janaqi, Sébastien Harispe, Jacky Montmain, Sylvie Ranwez, Safia Bal-Bourai, Aïcha Mokhtari, Didier Dubois, Henri Prade, Agnès Rico, Salem Benferhat, Karim Tabia, Zied Bouraoui, Saïd Jabbour, Yue Ma, Badran Raddaoui, Lakdhar Sais, Oumaima Boussarsar, Imen Boukhris, Zied Elouedi, Nahla Ben Amor, Didier Dubois, Héla Gouider, Henri Prade, Asma Belhadi, Didier Dubois, Faiza Khellaf-Hamed, Faiza Khellaf-Hamed, Henri Prade, Matteo Caglioni, Didier Dubois, Giovanni Fusco
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, traitement données, Logique floue
Référence : 115628