dsotofor / Manuscrit

Commit 7a18af4cce71257f24a848be4dc74d57b3fc7c39

Authored by dsotofor 2025-04-17 14:41:21 +0200

Exists in main

another version

Showing 10 changed files with 129 additions and 171 deletions Side-by-side Diff

chapters/CBR.aux
chapters/CBR.tex
main.aux
main.bbl
main.bib
main.blg
main.log
main.pdf
main.synctex.gz
main.tex

...	...	@@ -30,10 +30,12 @@
30	30	\citation{Obeid}
31	31	\citation{10.1007/978-3-319-47096-2_11}
32	32	\citation{10.1007/978-3-319-47096-2_11}
33		-\citation{PETROVIC201617}
34		-\citation{ROLDANREYES20151}
	33	+\citation{HU2025127130}
	34	+\citation{ALABDULRAHMAN2021114061}
35	35	\citation{JUNG20095695}
36	36	\citation{10.1007/978-3-642-15973-2_50}
	37	+\citation{PETROVIC201617}
	38	+\citation{ROLDANREYES20151}
37	39	\citation{10.1007/978-3-319-47096-2_11}
38	40	\citation{10.1007/978-3-319-61030-6_1}
39	41	\citation{Muller}
40	42
...	...	@@ -42,8 +44,8 @@
42	44	\citation{10.1007/978-3-030-01081-2_25}
43	45	\citation{10.1007/978-3-030-58342-2_8}
44	46	\citation{10.1007/978-3-030-58342-2_5}
45		-\citation{Obeid}
46	47	\citation{8495930}
	48	+\citation{Obeid}
47	49	\@writefile{lof}{\contentsline {figure}{\numberline {4.1}{\ignorespaces Cycle du RàPC modifié. (Traduit de \cite {ROLDANREYES20151})\relax }}{34}{figure.caption.13}\protected@file@percent }
48	50	\newlabel{fig:figMCBR1}{{4.1}{34}{Cycle du RàPC modifié. (Traduit de \cite {ROLDANREYES20151})\relax }{figure.caption.13}{}}
49	51	\@writefile{lof}{\contentsline {figure}{\numberline {4.2}{\ignorespaces Taxonomie des techniques algorithmiques employées pour des modules de recommandation dans les EIAH (Traduit de \cite {Obeid})\relax }}{34}{figure.caption.14}\protected@file@percent }

...	...	@@ -4,11 +4,11 @@
4	4
5	5	Le raisonnement à partir de cas est une approche fondée sur la connaissance. Il s'agit d'une technique d'intelligence artificielle dont l'idée est de résoudre un nouveau problème grâce aux connaissances déjà acquises par le système et en tenant un raisonnement fondé sur l'analogie. Le RàPC est apparu comme une alternative pour améliorer les systèmes experts. Shank et Abelson \cite{schank+abelson77} ont initialement mené des travaux sur l'organisation hiérarchique de la mémoire pour imiter le raisonnement humain. Ceux-ci ont servi de fondement aux travaux de Janet Kolodner \cite{KOLODNER1983281} et ont abouti à l'implémentation un système fondé sur ces principes en 1983. Le terme \textit{raisonnement à partir de cas} est utilisé pour la première fois en 1989 par Riesbeck et Shank \cite{Riesbeck1989}.
6	6
7		-Comme vu dans le chapitre du contexte, le raisonnement à partir de cas utilise quatre conteneurs de connaissance pour représenter la connaissance complète du système, chaque conteneur stocke l'information associée à une fonction spécifique et tout est fondé sur le carré d'analogie, c'est-à-dire des solutions ayant permis de résoudre un problème ancien sont réutilisées afin de résoudre un problème nouveau similaire. La plupart des systèmes de RàPC utilisent comme base un cycle composé de quatre étapes (retrouver, réutiliser, réviser et retenir).
	7	+Comme vu dans le chapitre du contexte, le raisonnement à partir de cas utilise quatre conteneurs de connaissance pour représenter la connaissance complète du système, chaque conteneur stocke l'information associée à une fonction spécifique et tout est fondé sur le carré d'analogie, c'est-à-dire des solutions ayant permis de résoudre un problème ancien sont réutilisées afin de résoudre un problème nouveau similaire. La plupart des systèmes de RàPC utilisent pour son fonctionnement comme base un cycle composé de quatre étapes (retrouver, réutiliser, réviser et retenir).
8	8
9	9	---RàPC et réseaux de neuronnes
10	10
11		-Plusieurs travaux combinent le RàPC avec les réseaux de neurones (Deep Learning) avec l'objectif d'améliorer les réponses générées et optimiser les performances de chaque algorithme. Mais ce n'est pas une idée très récente comme par exemple dans \cite{JUNG20095695} les auteurs développent un système fondé sur l'hybridation du RàPC avec des réseaux de neurones pour concevoir des produits. Le système se focalise uniquement dans les phases "rechercher" et "réutiliser" du RàPC dans lesquelles sont exécutés les algorithmes implémentés. Le système détermine de façon automatique les valeurs pour les paramètres nécessaires à la conception d'un produit particulier en suivant le cycle traditionnel du RàPC. Avec l'algorithme de k-moyennes, est extrait un cas représentatif de la base de cas et l'adaptation des solutions des voisins trouvées est faite avec le réseau de neurones RBFN (Radial Basis Function Network). L'évaluation du système est faite en utilisant une base de données contenant 830 tests, les résultats démontrent que les produits conçus s'ajustent avec un grand pourcentage aux normes définies.
	11	+Plusieurs travaux combinent le RàPC avec les réseaux de neurones (Deep Learning) avec l'objectif d'améliorer les réponses générées et optimiser les performances de chaque algorithme. C'est une idée qui marche dans certains cas, mais qui n'est pas très récente comme par exemple dans \cite{JUNG20095695} les auteurs développent un système fondé sur l'hybridation du RàPC avec des réseaux de neurones pour concevoir des produits. Le système se focalise uniquement dans les phases "rechercher" et "réutiliser" du RàPC dans lesquelles sont exécutés les algorithmes implémentés. Le système détermine de façon automatique les valeurs pour les paramètres nécessaires à la conception d'un produit particulier en suivant le cycle traditionnel du RàPC. Avec l'algorithme de k-moyennes, est extrait un cas représentatif de la base de cas et l'adaptation des solutions des voisins trouvées est faite avec le réseau de neurones RBFN (Radial Basis Function Network). L'évaluation du système est faite en utilisant une base de données contenant 830 tests, les résultats démontrent que les produits conçus s'ajustent avec un grand pourcentage aux normes définies.
12	12
13	13	Dans \cite{10.1007/978-3-642-15973-2_50} un réseau de neurones classique est implémenté pour définir la géométrie d'une matrice pour l'extrusion de l'aluminium. En effet, actuellement c'est un processus qui se fait manuellement et par essai et erreur. Le RàPC est alors utilisé pour aider à déterminer les valeurs optimales des paramètres du réseau, en utilisant l'information des matrices d'extrusion déjà testées.
14	14
...	...	@@ -82,7 +82,7 @@
82	82
83	83	\mfigure[!ht]{width=\textwidth}{./Figures/ModCBR2.png}{Ajout d'un cycle complémentaire avec \textit{Deep Learning} au RàPC (Traduit de \cite{10.1007/978-3-319-47096-2_11})}{figMCBR2}
84	84
85		-Le tableau \ref{tabArts2} montre un récapitulatif des articles analysés dans l'état de l'art du RàPC, où on montre chacun d'eux en ordre d'apparition dans le chapitre et les limitations trouvées par rapport aux données, flexibilité, généralité de l'algorithme proposé, validité des solutions proposées, automatisation du processus et complexité du modèle proposée.
	85	+Le tableau \ref{tabArts2} montre un récapitulatif des articles analysés dans l'état de l'art du RàPC, où on montre chacun d'eux en ordre d'apparition dans le chapitre et les limitations trouvées par rapport aux données, flexibilité, généralité de l'algorithme proposé, validité des solutions proposées, automatisation du processus et complexité du modèle proposée. A part les limites identifiés dans le tableau, nous avons trouvé deux problèmes très communs des systèmes de recommandation de façon générale : (1)le \textit{cold-start} qui se produit au début d'une recommandation lorsque il n'y a pas suffisamment de données pour calculer ou inférer une recommandation appropriée \cite{HU2025127130}. Et (2) le \textit{gray-sheep} qui se produit lorsqu'un utilisateur présente un comportement très différent de ceux qui sont stockés dans la base de données. Le système ne peut donc pas générer des recommandations en se basant sur l'information disponible \cite{ALABDULRAHMAN2021114061}.
86	86
87	87	\begin{table}
88	88	\footnotesize
89	89
...	...	@@ -90,14 +90,14 @@
90	90	Ref&Limites\\
91	91	\hline
92	92
93		-\cite{PETROVIC201617}&Grande quantité de données pour que l'algorithme fonctionne correctement. Recommandation limitée à un problème très spécifique.\\
94		-
95		-\cite{ROLDANREYES20151}&Une seule méthode d'adaptation est utilisée. Le modèle n'exploite pas les cas qui présentent une erreur.\\
96		-
97	93	\cite{JUNG20095695}&Le modèle d'adaptation proposé fonctionne seulement avec des cas très proches. L'apprentissage dans le RàCP se limite à stocker les nouveaux cas.\\
98	94
99	95	\cite{10.1007/978-3-642-15973-2_50}&Le RàPC n'est pas modifié ou amélioré. La révision dans le RàPC n'est pas automatique\\
100	96
	97	+\cite{PETROVIC201617}&Grande quantité de données pour que l'algorithme fonctionne correctement. Recommandation limitée à un problème très spécifique.\\
	98	+
	99	+\cite{ROLDANREYES20151}&Une seule méthode d'adaptation est utilisée. Le modèle n'exploite pas les cas qui présentent une erreur.\\
	100	+
101	101	\cite{10.1007/978-3-319-47096-2_11}&Beaucoup de données sont nécessaires pour entrainer le modèle de 'Deep Learning'. Les solutions générées n'ont pas été validées.\\
102	102
103	103	\cite{10.1007/978-3-319-61030-6_1}&L'évaluation des solutions générées n'est pas automatique. Les solutions sont produites avec un seul point de vue.\\
104	104
...	...	@@ -114,10 +114,10 @@
114	114
115	115	\cite{10.1007/978-3-030-58342-2_5}&Seulement une technique de sélection de solutions. Les données nécessaires pour le modèle sont complexes.\\
116	116
117		-\cite{Obeid}&L'ontologie peut être \colorbox{pink}{limitée?}limitée pour évaluer plusieurs cas inconnus ou imprévus. Il est nécessaire d'avoir une forte connaissance du domaine.\\
118		-
119	117	\cite{8495930}&Le modèle a été validé avec peu de données. Les recommandations se basent seulement sur l'information des autres apprenants.\\
120	118
	119	+\cite{Obeid}&L'ontologie peut être \colorbox{pink}{limitée?}limitée pour évaluer plusieurs cas inconnus ou imprévus. Il est nécessaire d'avoir une forte connaissance du domaine.\\
	120	+
121	121	\end{tabular}
122	122	\caption{Tableau de synthèse des articles analysés dans l’état de l’art du RàPC}
123	123	\label{tabArts2}
...	...	@@ -129,8 +129,4 @@
129	129	%\caption{Addition d'un cycle complémentaire avec \textit{Deep Learning} au RàPC (\cite{10.1007/978-3-319-47096-2_11})}
130	130	%\label{figMCBR2}
131	131	%\end{figure}
132		-
133		-\colorbox{yellow}{Cette partie me semble déconnecté du reste : Il manque une transition.}\\
134		-\colorbox{yellow}{Et il faudrait ajouter des références d'articles mettant en lumière ces deux limitations.}\\
135		-Deux problèmes très communs des systèmes de recommandation sont : (1)le \textit{cold-start} qui se produit au début d'une recommandation lorsque il n'y a pas suffisamment de données pour calculer ou inférer une recommandation appropriée. Et (2) le \textit{gray-sheep} qui se produit lorsqu'un utilisateur présente un comportement très différent de ceux qui sont stockés dans la base de données. Le système ne peut donc pas générer des recommandations en se basant sur l'information disponible.

...	...	@@ -38,12 +38,10 @@
38	38	\bibstyle{apalike}
39	39	\bibdata{main.bib}
40	40	\bibcite{doi:10.3233/AIC-1994-7104}{Aamodt and Plaza, 1994}
41		-\bibcite{Arthurs}{Arthurs et~al., 2019}
	41	+\bibcite{ALABDULRAHMAN2021114061}{Alabdulrahman and Viktor, 2021}
42	42	\bibcite{Auer}{Auer et~al., 2021}
43		-\bibcite{BAKUROV2021100913}{Bakurov et~al., 2021}
44	43	\bibcite{10.1007/978-3-642-15973-2_50}{Butdee and Tichkiewitch, 2011}
45	44	\bibcite{CHIU2023100118}{Chiu et~al., 2023}
46		-\bibcite{cmc.2023.033417}{Choi et~al., 2023}
47	45	\bibcite{Riesbeck1989}{C.K. and R.C., 1989}
48	46	\bibcite{10.1145/3459665}{Cunningham and Delany, 2021}
49	47	\bibcite{EZALDEEN2022100700}{Ezaldeen et~al., 2022}
...	...	@@ -54,6 +52,7 @@
54	52	\bibcite{doi:10.1177/1754337116651013}{Henriet et~al., 2017}
55	53	\bibcite{10.1007/978-3-030-01081-2_9}{Henriet and Greffier, 2018}
56	54	\bibcite{Hoang}{Hoang, 2018}
	55	+\bibcite{HU2025127130}{Hu et~al., 2025}
57	56	\bibcite{HUANG2023104684}{Huang et~al., 2023}
58	57	\bibcite{INGKAVARA2022100086}{Ingkavara et~al., 2022}
59	58	\bibcite{Daubias2011}{Jean-Daubias, 2011}
60	59
...	...	@@ -62,11 +61,8 @@
62	61	\bibcite{LALITHA2020583}{Lalitha and Sreeja, 2020}
63	62	\bibcite{min8100434}{Leikola et~al., 2018}
64	63	\bibcite{10.1007/978-3-030-58342-2_20}{Lepage et~al., 2020}
65		-\bibcite{10.3389/fgene.2021.600040}{Liang et~al., 2021}
66	64	\bibcite{9870279}{Lin, 2022}
67	65	\bibcite{10.1007/978-3-319-61030-6_1}{Maher and Grace, 2017}
68		-\bibcite{Liang}{Mang et~al., 2021}
69		-\bibcite{doi:10.1137/23M1592420}{Minsker and Strawn, 2024}
70	66	\bibcite{MUANGPRATHUB2020e05227}{Muangprathub et~al., 2020}
71	67	\bibcite{Muller}{Müller and Bergmann, 2015}
72	68	\bibcite{Nkambou}{Nkambou et~al., 2010}
...	...	@@ -82,9 +78,7 @@
82	78	\bibcite{9072123}{Sinaga and Yang, 2020}
83	79	\bibcite{10.1007/978-3-030-01081-2_25}{Smyth and Cunningham, 2018}
84	80	\bibcite{10.1007/978-3-030-58342-2_8}{Smyth and Willemsen, 2020}
85		-\bibcite{Soto2}{Soto-Forero et~al., 2024a}
86		-\bibcite{10.1007/978-3-031-63646-2_13}{Soto-Forero et~al., 2024b}
87		-\bibcite{10.1007/978-3-031-63646-2_11}{Soto-Forero et~al., 2024c}
	81	+\bibcite{10.1007/978-3-031-63646-2_13}{Soto-Forero et~al., 2024}
88	82	\bibcite{SU2022109547}{Su et~al., 2022}
89	83	\bibcite{8495930}{Supic, 2018}
90	84	\bibcite{WANG2021331}{Wang et~al., 2021}

...	...	@@ -6,23 +6,17 @@
6	6	and system approaches.
7	7	\newblock {\em AI Communications}, 7(1):39--59.
8	8
9		-\bibitem[Arthurs et~al., 2019]{Arthurs}
10		-Arthurs, N., Stenhaug, B., Karayev, S., and Piech, C. (2019).
11		-\newblock Grades are not normal: Improving exam score models using the
12		- logit-normal distribution.
13		-\newblock In {\em International Conference on Educational Data Mining (EDM)},
14		- page~6.
	9	+\bibitem[Alabdulrahman and Viktor, 2021]{ALABDULRAHMAN2021114061}
	10	+Alabdulrahman, R. and Viktor, H. (2021).
	11	+\newblock Catering for unique tastes: Targeting grey-sheep users recommender
	12	+ systems through one-class machine learning.
	13	+\newblock {\em Expert Systems with Applications}, 166:114061.
15	14
16	15	\bibitem[Auer et~al., 2021]{Auer}
17	16	Auer, F., Lenarduzzi, V., Felderer, M., and Taibi, D. (2021).
18	17	\newblock From monolithic systems to microservices: An assessment framework.
19	18	\newblock {\em Information and Software Technology}, 137:106600.
20	19
21		-\bibitem[Bakurov et~al., 2021]{BAKUROV2021100913}
22		-Bakurov, I., Castelli, M., Gau, O., Fontanella, F., and Vanneschi, L. (2021).
23		-\newblock Genetic programming for stacked generalization.
24		-\newblock {\em Swarm and Evolutionary Computation}, 65:100913.
25		-
26	20	\bibitem[Butdee and Tichkiewitch, 2011]{10.1007/978-3-642-15973-2_50}
27	21	Butdee, S. and Tichkiewitch, S. (2011).
28	22	\newblock Case-based reasoning for adaptive aluminum extrusion die design
...	...	@@ -36,12 +30,6 @@
36	30	research recommendations of artificial intelligence in education.
37	31	\newblock {\em Computers and Education: Artificial Intelligence}, 4:100118.
38	32
39		-\bibitem[Choi et~al., 2023]{cmc.2023.033417}
40		-Choi, J., Suh, D., and Otto, M.-O. (2023).
41		-\newblock Boosted stacking ensemble machine learning method for wafer map
42		- pattern classification.
43		-\newblock {\em Computers, Materials \& Continua}, 74(2):2945--2966.
44		-
45	33	\bibitem[C.K. and R.C., 1989]{Riesbeck1989}
46	34	C.K., R. and R.C., S. (1989).
47	35	\newblock {\em Inside Case-Based Reasoning}.
...	...	@@ -109,6 +97,12 @@
109	97	sur le théorème de Bayes}.
110	98	\newblock EDP Sciences.
111	99
	100	+\bibitem[Hu et~al., 2025]{HU2025127130}
	101	+Hu, B., Ma, Y., Liu, Z., and Wang, H. (2025).
	102	+\newblock A social importance and category enhanced cold-start user
	103	+ recommendation system.
	104	+\newblock {\em Expert Systems with Applications}, 277:127130.
	105	+
112	106	\bibitem[Huang et~al., 2023]{HUANG2023104684}
113	107	Huang, A.~Y., Lu, O.~H., and Yang, S.~J. (2023).
114	108	\newblock Effects of artificial intelligence–enabled personalized
...	...	@@ -159,12 +153,6 @@
159	153	Research and Development}, pages 309--324, Cham. Springer International
160	154	Publishing.
161	155
162		-\bibitem[Liang et~al., 2021]{10.3389/fgene.2021.600040}
163		-Liang, M., Chang, T., An, B., Duan, X., Du, L., Wang, X., Miao, J., Xu, L.,
164		- Gao, X., Zhang, L., Li, J., and Gao, H. (2021).
165		-\newblock A stacking ensemble learning framework for genomic prediction.
166		-\newblock {\em Frontiers in Genetics}, 12.
167		-
168	156	\bibitem[Lin, 2022]{9870279}
169	157	Lin, B. (2022).
170	158	\newblock Evolutionary multi-armed bandits with genetic thompson sampling.
...	...	@@ -179,18 +167,6 @@
179	167	Research and Development}, pages 3--15, Cham. Springer International
180	168	Publishing.
181	169
182		-\bibitem[Mang et~al., 2021]{Liang}
183		-Mang, L., Tianpeng, C., Bingxing, A., Xinghai, D., Lili, D., Xiaoqiao, W.,
184		- Jian, M., Lingyang, X., Xue, G., Lupei, Z., Junya, L., and Huijiang, G.
185		- (2021).
186		-\newblock A stacking ensemble learning framework for genomic prediction.
187		-\newblock {\em Frontiers in Genetics}.
188		-
189		-\bibitem[Minsker and Strawn, 2024]{doi:10.1137/23M1592420}
190		-Minsker, S. and Strawn, N. (2024).
191		-\newblock The geometric median and applications to robust mean estimation.
192		-\newblock {\em SIAM Journal on Mathematics of Data Science}, 6(2):504--533.
193		-
194	170	\bibitem[Muangprathub et~al., 2020]{MUANGPRATHUB2020e05227}
195	171	Muangprathub, J., Boonjing, V., and Chamnongthai, K. (2020).
196	172	\newblock Learning recommendation with formal concept analysis for intelligent
197	173
...	...	@@ -284,26 +260,12 @@
284	260	Research and Development}, pages 112--126, Cham. Springer International
285	261	Publishing.
286	262
287		-\bibitem[Soto-Forero et~al., 2024a]{Soto2}
288		-Soto-Forero, D., Ackermann, S., Betbeder, M.-L., and Henriet, J. (2024a).
289		-\newblock Automatic real-time adaptation of training session difficulty using
290		- rules and reinforcement learning in the ai-vt its.
291		-\newblock {\em International Journal of Modern Education and Computer
292		- Science(IJMECS)}, 16:56--71.
293		-
294		-\bibitem[Soto-Forero et~al., 2024b]{10.1007/978-3-031-63646-2_13}
295		-Soto-Forero, D., Ackermann, S., Betbeder, M.-L., and Henriet, J. (2024b).
	263	+\bibitem[Soto-Forero et~al., 2024]{10.1007/978-3-031-63646-2_13}
	264	+Soto-Forero, D., Ackermann, S., Betbeder, M.-L., and Henriet, J. (2024).
296	265	\newblock The intelligent tutoring system ai-vt with case-based reasoning and
297	266	real time recommender models.
298	267	\newblock In Recio-Garcia, J.~A., Orozco-del Castillo, M.~G., and Bridge, D.,
299	268	editors, {\em Case-Based Reasoning Research and Development}, pages 191--205,
300		- Cham. Springer Nature Switzerland.
301		-
302		-\bibitem[Soto-Forero et~al., 2024c]{10.1007/978-3-031-63646-2_11}
303		-Soto-Forero, D., Betbeder, M.-L., and Henriet, J. (2024c).
304		-\newblock Ensemble stacking case-based reasoning for regression.
305		-\newblock In Recio-Garcia, J.~A., Orozco-del Castillo, M.~G., and Bridge, D.,
306		- editors, {\em Case-Based Reasoning Research and Development}, pages 159--174,
307	269	Cham. Springer Nature Switzerland.
308	270
309	271	\bibitem[Su et~al., 2022]{SU2022109547}

...	...	@@ -1636,4 +1636,32 @@
1636	1636	publisher = {Psychology Press},
1637	1637	url = {https://doi.org/10.4324/9780203781821}
1638	1638	}
	1639	+
	1640	+@article{ALABDULRAHMAN2021114061,
	1641	+title = {Catering for unique tastes: Targeting grey-sheep users recommender systems through one-class machine learning},
	1642	+journal = {Expert Systems with Applications},
	1643	+volume = {166},
	1644	+pages = {114061},
	1645	+year = {2021},
	1646	+issn = {0957-4174},
	1647	+doi = {https://doi.org/10.1016/j.eswa.2020.114061},
	1648	+url = {https://www.sciencedirect.com/science/article/pii/S0957417420308241},
	1649	+author = {Rabaa Alabdulrahman and Herna Viktor},
	1650	+keywords = {Recommender systems, Model-based systems, Machine learning, Grey-sheep, One-class classification},
	1651	+abstract = {In recommendation systems, the grey-sheep problem refers to users with unique preferences and tastes that make it difficult to develop accurate profiles. That is, the similarity search approach typically followed during the recommendation process fails to yield good results. Most research does not focus on such users and thus fails to cater to more exotic tastes and emerging trends, leading to a subsequent loss in revenue and marketing opportunities. One suggested solution is to use one-class classification to generate a prediction list for these users, where decision boundaries are learned that distinguish between normal and grey-sheep users. In this paper, we present the grey-sheep one-class recommendation (GSOR) framework designed to create accurate prediction models while taking both regular and grey-sheep users into account. In addition, we introduce a novel grey-sheep movie recommendation benchmark to be used by current and future researchers. When evaluating our GSOR framework against this benchmark, our results indicate the value of combining cluster analysis, outlier detection, and one-class learning to generate relevant and timely recommendation lists from data sets that contain grey-sheep users. Specifically, by employing one-class decision tree algorithms, our GSOR framework was able to outperform traditional collaborative filtering-based recommendation systems in both accuracy and model construction time. Furthermore, we report that having grey-sheep users in the system often had a positive impact on the learning and recommendation processes.}
	1652	+}
	1653	+
	1654	+@article{HU2025127130,
	1655	+title = {A social importance and category enhanced cold-start user recommendation system},
	1656	+journal = {Expert Systems with Applications},
	1657	+volume = {277},
	1658	+pages = {127130},
	1659	+year = {2025},
	1660	+issn = {0957-4174},
	1661	+doi = {https://doi.org/10.1016/j.eswa.2025.127130},
	1662	+url = {https://www.sciencedirect.com/science/article/pii/S0957417425007523},
	1663	+author = {Bin Hu and Yinghong Ma and Zhiyuan Liu and Hong Wang},
	1664	+keywords = {Social recommendation, Graph neural network, Cold-start users, Social importance, Category information},
	1665	+abstract = {Social recommendation, which utilizes social relations to enhance recommender systems, has gained increasing attention with the rapid development of online social platforms. Although numerous studies have underscored the efficacy of integrating personal social information to bolster the performance of such systems, social recommendations still face several problems. Firstly, the cold-start problem for items persists in recommendation tasks leveraging social information. Secondly, the importance of users within social networks is often disregarded, leading to biases in recommendation tasks utilizing social information. Thirdly, the lack of utilization of item category information makes learning representations of items and users insufficient. Hence, this paper proposes a novel social recommendation model, Social Importance and Category Enhanced Cold-Start User Recommendation System (SICERec). At first, potential preference information for cold-start users is incorporated into similar user modules, extracting user preference information from historical interaction data between users and items. After that, the significance of users within social networks is considered by integrating their centrality attributes, thereby enriching the semantic representation of users. Finally, category information of user historical interaction items is incorporated into the modeling process to enrich the semantics of items. Extensive experimental results demonstrate the significant advantages of our SICERec method. Our model exhibits a minimum improvement of 15.1% in RMSE and at least 26.2% in MAE compared to state-of-the-art models when evaluated on two real datasets. Additionally, ablation experiments are conducted to validate each module’s effectiveness and provide further insights into how users’ social attributes and preferences influence their choices. We release our code at https://github.com/BinHu129/SICERec.}
	1666	+}

...	...	@@ -5,52 +5,50 @@
5	5	A level-1 auxiliary file: ./chapters/EIAH.aux
6	6	A level-1 auxiliary file: ./chapters/CBR.aux
7	7	A level-1 auxiliary file: ./chapters/Architecture.aux
8		-A level-1 auxiliary file: ./chapters/TS.aux
9		-A level-1 auxiliary file: ./chapters/ESCBR.aux
10	8	The style file: apalike.bst
11	9	Database file #1: main.bib
12	10	Warning--entry type for "Daubias2011" isn't style-file defined
13	11	--line 693 of file main.bib
14		-You've used 56 entries,
	12	+You've used 50 entries,
15	13	1935 wiz_defined-function locations,
16		- 827 strings with 15219 characters,
17		-and the built_in function-call counts, 25562 in all, are:
18		-= -- 2444
19		-> -- 1229
20		-< -- 39
21		-+ -- 442
22		-- -- 412
23		-* -- 2184
24		-:= -- 4381
25		-add.period$ -- 181
26		-call.type$ -- 56
27		-change.case$ -- 467
28		-chr.to.int$ -- 54
29		-cite$ -- 56
30		-duplicate$ -- 961
31		-empty$ -- 1724
32		-format.name$ -- 502
33		-if$ -- 5103
34		-int.to.chr$ -- 3
	14	+ 796 strings with 13870 characters,
	15	+and the built_in function-call counts, 22343 in all, are:
	16	+= -- 2155
	17	+> -- 1005
	18	+< -- 37
	19	++ -- 355
	20	+- -- 331
	21	+* -- 1883
	22	+:= -- 3813
	23	+add.period$ -- 162
	24	+call.type$ -- 50
	25	+change.case$ -- 398
	26	+chr.to.int$ -- 50
	27	+cite$ -- 50
	28	+duplicate$ -- 859
	29	+empty$ -- 1549
	30	+format.name$ -- 415
	31	+if$ -- 4487
	32	+int.to.chr$ -- 1
35	33	int.to.str$ -- 0
36		-missing$ -- 61
37		-newline$ -- 283
38		-num.names$ -- 192
39		-pop$ -- 439
	34	+missing$ -- 55
	35	+newline$ -- 253
	36	+num.names$ -- 172
	37	+pop$ -- 369
40	38	preamble$ -- 1
41		-purify$ -- 472
	39	+purify$ -- 403
42	40	quote$ -- 0
43		-skip$ -- 726
	41	+skip$ -- 654
44	42	stack$ -- 0
45		-substring$ -- 1690
46		-swap$ -- 178
47		-text.length$ -- 16
	43	+substring$ -- 1531
	44	+swap$ -- 160
	45	+text.length$ -- 14
48	46	text.prefix$ -- 0
49	47	top$ -- 0
50		-type$ -- 324
	48	+type$ -- 288
51	49	warning$ -- 0
52		-while$ -- 194
	50	+while$ -- 174
53	51	width$ -- 0
54		-write$ -- 748
	52	+write$ -- 669
55	53	(There was 1 warning)

1		-This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 17 APR 2025 13:25
	1	+This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 17 APR 2025 14:41
2	2	entering extended mode
3	3	restricted \write18 enabled.
4	4	%&-line parsing enabled.
...	...	@@ -985,7 +985,7 @@
985	985
986	986	LaTeX Warning: Label `fig:figCycle' multiply defined.
987	987
988		-) (./chapters/EIAH.aux) (./chapters/CBR.aux))
	988	+) (./chapters/EIAH.aux) (./chapters/CBR.aux) (./chapters/Architecture.aux))
989	989	\openout1 = `main.aux'.
990	990
991	991	LaTeX Font Info: Checking defaults for OML/txmi/m/it on input line 227.
992	992
...	...	@@ -1132,13 +1132,13 @@
1132	1132	* \@reversemarginfalse
1133	1133	* (1in=72.27pt=25.4mm, 1cm=28.453pt)
1134	1134
1135		-<images_logos/image1_logoUBFC_grand.png, id=132, 156.6945pt x 74.898pt>
	1135	+<images_logos/image1_logoUBFC_grand.png, id=168, 156.6945pt x 74.898pt>
1136	1136	File: images_logos/image1_logoUBFC_grand.png Graphic file (type png)
1137	1137	<use images_logos/image1_logoUBFC_grand.png>
1138	1138	Package pdftex.def Info: images_logos/image1_logoUBFC_grand.png used on input
1139	1139	line 233.
1140	1140	(pdftex.def) Requested size: 142.25905pt x 68.00069pt.
1141		-<images_logos/logo_UFC_2018_transparence.png, id=134, 1160.335pt x 285.065pt>
	1141	+<images_logos/logo_UFC_2018_transparence.png, id=170, 1160.335pt x 285.065pt>
1142	1142	File: images_logos/logo_UFC_2018_transparence.png Graphic file (type png)
1143	1143	<use images_logos/logo_UFC_2018_transparence.png>
1144	1144	Package pdftex.def Info: images_logos/logo_UFC_2018_transparence.png used on i
1145	1145
...	...	@@ -1220,13 +1220,13 @@
1220	1220
1221	1221	]
1222	1222	Chapitre 2.
1223		-<./Figures/TLearning.png, id=232, 603.25375pt x 331.2375pt>
	1223	+<./Figures/TLearning.png, id=277, 603.25375pt x 331.2375pt>
1224	1224	File: ./Figures/TLearning.png Graphic file (type png)
1225	1225	<use ./Figures/TLearning.png>
1226	1226	Package pdftex.def Info: ./Figures/TLearning.png used on input line 15.
1227	1227	(pdftex.def) Requested size: 427.43153pt x 234.69505pt.
1228	1228	[7]
1229		-<./Figures/EIAH.png, id=242, 643.40375pt x 362.35374pt>
	1229	+<./Figures/EIAH.png, id=287, 643.40375pt x 362.35374pt>
1230	1230	File: ./Figures/EIAH.png Graphic file (type png)
1231	1231	<use ./Figures/EIAH.png>
1232	1232	Package pdftex.def Info: ./Figures/EIAH.png used on input line 32.
1233	1233
...	...	@@ -1236,13 +1236,13 @@
1236	1236	LaTeX Warning: `!h' float specifier changed to `!ht'.
1237	1237
1238	1238	[8 <./Figures/TLearning.png>] [9 <./Figures/EIAH.png>] [10]
1239		-<./Figures/cycle.png, id=269, 668.4975pt x 665.48625pt>
	1239	+<./Figures/cycle.png, id=315, 668.4975pt x 665.48625pt>
1240	1240	File: ./Figures/cycle.png Graphic file (type png)
1241	1241	<use ./Figures/cycle.png>
1242	1242	Package pdftex.def Info: ./Figures/cycle.png used on input line 83.
1243	1243	(pdftex.def) Requested size: 427.43153pt x 425.51372pt.
1244	1244	[11 <./Figures/cycle.png>]
1245		-<./Figures/Reuse.png, id=292, 383.4325pt x 182.6825pt>
	1245	+<./Figures/Reuse.png, id=338, 383.4325pt x 182.6825pt>
1246	1246	File: ./Figures/Reuse.png Graphic file (type png)
1247	1247	<use ./Figures/Reuse.png>
1248	1248	Package pdftex.def Info: ./Figures/Reuse.png used on input line 112.
...	...	@@ -1254,7 +1254,7 @@
1254	1254	[]
1255	1255
1256	1256	[12] [13 <./Figures/Reuse.png>]
1257		-<./Figures/CycleCBR.png, id=314, 147.1899pt x 83.8332pt>
	1257	+<./Figures/CycleCBR.png, id=359, 147.1899pt x 83.8332pt>
1258	1258	File: ./Figures/CycleCBR.png Graphic file (type png)
1259	1259	<use ./Figures/CycleCBR.png>
1260	1260	Package pdftex.def Info: ./Figures/CycleCBR.png used on input line 156.
...	...	@@ -1305,7 +1305,7 @@
1305	1305	LaTeX Font Warning: Font shape `T1/phv/m/scit' undefined
1306	1306	(Font) using `T1/phv/m/it' instead on input line 337.
1307	1307
1308		-<./Figures/beta-distribution.png, id=388, 621.11293pt x 480.07928pt>
	1308	+<./Figures/beta-distribution.png, id=433, 621.11293pt x 480.07928pt>
1309	1309	File: ./Figures/beta-distribution.png Graphic file (type png)
1310	1310	<use ./Figures/beta-distribution.png>
1311	1311	Package pdftex.def Info: ./Figures/beta-distribution.png used on input line 34
...	...	@@ -1335,7 +1335,7 @@
1335	1335	tre le tra-vail de
1336	1336	[]
1337	1337
1338		-<./Figures/architecture.png, id=425, 776.9025pt x 454.69875pt>
	1338	+<./Figures/architecture.png, id=471, 776.9025pt x 454.69875pt>
1339	1339	File: ./Figures/architecture.png Graphic file (type png)
1340	1340	<use ./Figures/architecture.png>
1341	1341	Package pdftex.def Info: ./Figures/architecture.png used on input line 37.
...	...	@@ -1348,7 +1348,7 @@
1348	1348	Underfull \vbox (badness 10000) has occurred while \output is active []
1349	1349
1350	1350	[25 <./Figures/architecture.png>]
1351		-<./Figures/ELearningLevels.png, id=455, 602.25pt x 612.78937pt>
	1351	+<./Figures/ELearningLevels.png, id=500, 602.25pt x 612.78937pt>
1352	1352	File: ./Figures/ELearningLevels.png Graphic file (type png)
1353	1353	<use ./Figures/ELearningLevels.png>
1354	1354	Package pdftex.def Info: ./Figures/ELearningLevels.png used on input line 61.
1355	1355
1356	1356
1357	1357
...	...	@@ -1429,23 +1429,23 @@
1429	1429
1430	1430	[]
1431	1431
1432		-<./Figures/ModCBR1.png, id=546, 942.52126pt x 624.83438pt>
	1432	+<./Figures/ModCBR1.png, id=592, 942.52126pt x 624.83438pt>
1433	1433	File: ./Figures/ModCBR1.png Graphic file (type png)
1434	1434	<use ./Figures/ModCBR1.png>
1435	1435	Package pdftex.def Info: ./Figures/ModCBR1.png used on input line 68.
1436	1436	(pdftex.def) Requested size: 427.43153pt x 283.36574pt.
1437		-<./Figures/taxonomieEIAH.png, id=549, 984.67876pt x 614.295pt>
	1437	+<./Figures/taxonomieEIAH.png, id=595, 984.67876pt x 614.295pt>
1438	1438	File: ./Figures/taxonomieEIAH.png Graphic file (type png)
1439	1439	<use ./Figures/taxonomieEIAH.png>
1440	1440	Package pdftex.def Info: ./Figures/taxonomieEIAH.png used on input line 74.
1441	1441	(pdftex.def) Requested size: 427.43153pt x 266.65376pt.
1442		-<./Figures/ModCBR2.png, id=552, 1145.27875pt x 545.03625pt>
	1442	+<./Figures/ModCBR2.png, id=598, 1145.27875pt x 545.03625pt>
1443	1443	File: ./Figures/ModCBR2.png Graphic file (type png)
1444	1444	<use ./Figures/ModCBR2.png>
1445	1445	Package pdftex.def Info: ./Figures/ModCBR2.png used on input line 83.
1446	1446	(pdftex.def) Requested size: 427.43153pt x 203.41505pt.
1447	1447
1448		-Overfull \hbox (7.88272pt too wide) in paragraph at lines 99--99
	1448	+Overfull \hbox (7.88272pt too wide) in paragraph at lines 95--95
1449	1449	[]\|\T1/phv/m/n/9 [[]]\|
1450	1450	[]
1451	1451
1452	1452
...	...	@@ -1469,19 +1469,13 @@
1469	1469	(./chapters/Architecture.tex
1470	1470	Chapitre 5.
1471	1471
1472		-LaTeX Warning: Reference `figSys1' on page 39 undefined on input line 17.
1473		-
1474		-
1475		-LaTeX Warning: Reference `tabDesc' on page 39 undefined on input line 17.
1476		-
1477		-
1478	1472	Underfull \vbox (badness 10000) has occurred while \output is active []
1479	1473
1480	1474	[39
1481	1475
1482	1476
1483	1477	]
1484		-<./Figures/AIVT.png, id=613, 1116.17pt x 512.91624pt>
	1478	+<./Figures/AIVT.png, id=662, 1116.17pt x 512.91624pt>
1485	1479	File: ./Figures/AIVT.png Graphic file (type png)
1486	1480	<use ./Figures/AIVT.png>
1487	1481	Package pdftex.def Info: ./Figures/AIVT.png used on input line 21.
1488	1482
...	...	@@ -1548,14 +1542,10 @@
1548	1542	Underfull \vbox (badness 5022) has occurred while \output is active []
1549	1543
1550	1544	[41]
1551		-
1552		-LaTeX Warning: Reference `sa1' on page 42 undefined on input line 77.
1553		-
1554		-
1555	1545	Underfull \vbox (badness 10000) has occurred while \output is active []
1556	1546
1557	1547	[42]
1558		-<./Figures/Architecture AI-VT2.png, id=634, 1029.8475pt x 948.54375pt>
	1548	+<./Figures/Architecture AI-VT2.png, id=683, 1029.8475pt x 948.54375pt>
1559	1549	File: ./Figures/Architecture AI-VT2.png Graphic file (type png)
1560	1550	<use ./Figures/Architecture AI-VT2.png>
1561	1551	Package pdftex.def Info: ./Figures/Architecture AI-VT2.png used on input line
1562	1552
1563	1553
1564	1554
1565	1555
1566	1556
1567	1557
1568	1558
1569	1559
...	...	@@ -1566,41 +1556,34 @@
1566	1556	Underfull \vbox (badness 10000) has occurred while \output is active []
1567	1557
1568	1558	[45]
1569		-<./Figures/Layers.png, id=653, 392.46625pt x 216.81pt>
	1559	+<./Figures/Layers.png, id=698, 392.46625pt x 216.81pt>
1570	1560	File: ./Figures/Layers.png Graphic file (type png)
1571	1561	<use ./Figures/Layers.png>
1572	1562	Package pdftex.def Info: ./Figures/Layers.png used on input line 130.
1573	1563	(pdftex.def) Requested size: 235.48155pt x 130.08699pt.
1574		-
1575		-
1576		-LaTeX Warning: Reference `figLayers' on page 46 undefined on input line 135.
1577		-
1578		-<./Figures/flow.png, id=654, 721.69624pt x 593.21625pt>
	1564	+<./Figures/flow.png, id=700, 721.69624pt x 593.21625pt>
1579	1565	File: ./Figures/flow.png Graphic file (type png)
1580	1566	<use ./Figures/flow.png>
1581	1567	Package pdftex.def Info: ./Figures/flow.png used on input line 139.
1582	1568	(pdftex.def) Requested size: 427.43153pt x 351.33421pt.
	1569	+)
	1570	+[46 <./Figures/Layers.png>] [47 <./Figures/flow.png>] (./main.bbl [48
1583	1571
1584		-LaTeX Warning: Reference `figFlow' on page 46 undefined on input line 144.
1585	1572
1586		-) [46 <./Figures/Layers.png>] [47 <./Figures/flow.png>] (./main.bbl [48
1587	1573
1588		-
1589		-
1590	1574	]
1591		-[49]
1592		-Underfull \hbox (badness 1394) in paragraph at lines 91--97
	1575	+Underfull \hbox (badness 1394) in paragraph at lines 79--85
1593	1576	[]\T1/phv/m/n/10.95 Henriet, J., Chris-tophe, L., and Laurent, P. (2017). Ar-t
1594	1577	i-fi-cial
1595	1578	[]
1596	1579
1597		-[50]
1598		-Underfull \hbox (badness 1939) in paragraph at lines 195--199
	1580	+[49]
	1581	+Underfull \hbox (badness 1939) in paragraph at lines 171--175
1599	1582	[]\T1/phv/m/n/10.95 Muangprathub, J., Boon-jing, V., and Cham-nong-thai, K.
1600	1583	[]
1601	1584
1602		-
1603		-Underfull \hbox (badness 2452) in paragraph at lines 225--229
	1585	+[50]
	1586	+Underfull \hbox (badness 2452) in paragraph at lines 201--205
1604	1587	[]\T1/phv/m/n/10.95 Petrovic, S., Khus-sai-nova, G., and Ja-gan-na-than, R. (20
1605	1588	16).
1606	1589	[]
...	...	@@ -1614,7 +1597,7 @@
1614	1597	[53
1615	1598
1616	1599	]
1617		-<spimufcphdthesis-backpage.pdf, id=709, 597.432pt x 844.83629pt>
	1600	+<spimufcphdthesis-backpage.pdf, id=746, 597.432pt x 844.83629pt>
1618	1601	File: spimufcphdthesis-backpage.pdf Graphic file (type pdf)
1619	1602	<use spimufcphdthesis-backpage.pdf>
1620	1603	Package pdftex.def Info: spimufcphdthesis-backpage.pdf used on input line 386.
1621	1604
1622	1605
...	...	@@ -1631,20 +1614,14 @@
1631	1614
1632	1615	LaTeX Warning: There were multiply-defined labels.
1633	1616
1634		-
1635		-Package rerunfilecheck Warning: File `main.out' has changed.
1636		-(rerunfilecheck) Rerun to get outlines right
1637		-(rerunfilecheck) or use package `bookmark'.
1638		-
1639		-Package rerunfilecheck Info: Checksums for `main.out':
1640		-(rerunfilecheck) Before: 36685AC71B3A23EBF18F9CFB53A23508;8585
1641		-(rerunfilecheck) After: FD9F9B345AA9C4899E44C29E0E47B7B3;10224.
	1617	+Package rerunfilecheck Info: File `main.out' has not changed.
	1618	+(rerunfilecheck) Checksum: FD9F9B345AA9C4899E44C29E0E47B7B3;10224.
1642	1619	)
1643	1620	Here is how much of TeX's memory you used:
1644	1621	20680 strings out of 476038
1645		- 352454 string characters out of 5790170
	1622	+ 352449 string characters out of 5790170
1646	1623	1872785 words of memory out of 5000000
1647		- 40430 multiletter control sequences out of 15000+600000
	1624	+ 40434 multiletter control sequences out of 15000+600000
1648	1625	612134 words of font info for 143 fonts, out of 8000000 for 9000
1649	1626	1141 hyphenation exceptions out of 8191
1650	1627	126i,14n,133p,1979b,754s stack positions out of 10000i,1000n,20000p,200000b,200000s
1651	1628
...	...	@@ -1667,10 +1644,10 @@
1667	1644	lvetic/uhvr8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/helvetic/
1668	1645	uhvro8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmr8a.pf
1669	1646	b></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmri8a.pfb>
1670		-Output written on main.pdf (60 pages, 5241536 bytes).
	1647	+Output written on main.pdf (60 pages, 5241347 bytes).
1671	1648	PDF statistics:
1672		- 822 PDF objects out of 1000 (max. 8388607)
1673		- 679 compressed objects within 7 object streams
1674		- 201 named destinations out of 1000 (max. 500000)
1675		- 347 words of extra memory for PDF output out of 10000 (max. 10000000)
	1649	+ 859 PDF objects out of 1000 (max. 8388607)
	1650	+ 715 compressed objects within 8 object streams
	1651	+ 195 named destinations out of 1000 (max. 500000)
	1652	+ 419 words of extra memory for PDF output out of 10000 (max. 10000000)

No preview for this file type

...	...	@@ -369,7 +369,7 @@
369	369
370	370	\include{./chapters/Architecture.tex}
371	371
372		-%\include{./chapters/TS.tex}
	372	+\include{./chapters/TS.tex}
373	373
374	374	%\include{./chapters/ESCBR.tex}
375	375