Analyse du panier de consommation : règles d’association, méthodes ensemblistes et autoencodeurs
Notice bibliographique
Résumé
AvertissementL'auteur de ce mémoire, de cette thèse ou de cet essai a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire, de sa thèse ou de son essai.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire, cette thèse ou cet essai.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire, de cette thèse et de son essai requiert son autorisation. RésuméCe travail traite de la problématique de conception du système de recommandation de produit en faisant l'analyse du panier de consommation.En effet, l'analyse du panier de consommation est une technique de modélisation basée sur la théorie selon laquelle si vous achetez un certain groupe d'éléments, vous êtes plus susceptible d'acheter un autre groupe d'éléments.Il existe de nombreux algorithmes pour modéliser les données des transactions afin de prédire les produits qu'un client achètera à nouveau ou essayera pour la première fois.L'extraction de règles d'association en utilisant Apriori ou FP-Growth est l'une des approches pour trouver des modèles dans les données de transactions.Cependant, les règles d'association peuvent être influencées par la taille des ensembles de données et ne prennent pas en compte les occurrences des produits en fonction des clients.Ainsi, pour capturer des relations complexes entre les variables d'entrée (historiques d'achats, caractéristiques d'éléments, préférences des clients, etc.), nous avons utilisé l'approche ensembliste de type XGBoost pour prédire avec fiabilité le prochain article susceptible d'être acheté.En complément de ces algorithmes, nous avons ajouté un autoencodeur débruiteur pour extraire les caractéristiques dans les données des clients, puis nous l'avons combiné à l'algorithme K-means pour regrouper les clients en fonction de leurs caractéristiques similaires.L'objet de notre recherche est d'explorer des solutions possibles pour trouver le meilleur modèle afin de construire un système de recommandation de produits efficace et personnalisé.Pour ce faire, nous avons utilisé des données de 3 millions de commandes enregistrées sur la place de marché en ligne Instacart, rendues libres d'utilisation.Nos expérimentations démontrent que le modèle fiable à utiliser pour la prédiction de prochain produit à acheter est l'approche ensembliste d'arbre de décision Je tiens à exprimer mes sincères remerciements à mes collègues du laboratoire d'intelligence artificielle appliquée et à mes camarades qui ont partagé leurs idées, leurs connaissances et leur soutien au cours de ces années d'études.Je souhaite exprimer ma profonde gratitude envers mon directeur de mémoire, M. Ismaïl Biskri.Ses conseils éclairés, sa patience et son dévouement ont été d'une valeur inestimable.Enfin, je remercie ma famille et mes amis pour leur amour, leur soutien inconditionnel et leurs encouragements tout au long de ce parcours académique exigeant.Leurs mots d'encouragement ont été une source constante de motivation.Merci à tous ceux qui ont contribué, de près ou de loin, à la réalisation de ce travail.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».