Information et communication > Accueil > Des données à la décision > Numéro 1 > Article
Nicolas Gutowski
ESEO-TECH
Tassadit Amghar
LERIA Université d’Angers (UBL)
Olivier Camp
ESEO-TECH
Slimane Hammoudi
LERIA Université d’Angers (UBL)
Publié le 26 juillet 2017 DOI :
Depuis longtemps, les systèmes de recommandation aident les utilisateurs à choisir parmi de grands ensembles de services. Dans l’environnement de la ville intelligente, pour gagner en précision, de tels systèmes de recommandation doivent également tenir compte du contexte de l’utilisateur. Qu’est ce que le contexte d’un utilisateur et comment peut il être capturé ? Ce sont les deux questions auxquelles nous répondons dans cet article. Après avoir spécifié ce que nous entendons par le terme contexte nous montrons comment l’analyse de la mobilité urbaine permet de déduire des informations contextuelles riches. Le principal objectif de notre projet sera à terme de recommander des services en fonction du parcours estimé d’un usager dans la ville intelligente.
Recommendations have long been a means of helping users select services. In a smart city environment, recommendation algorithms should take into account the user’s context to gain in accuracy. What is the context of a smart city user and how can it be captured ? These are the two questions we answer in this paper. After specifying what we understand by context information, we show how the city’s mobility pattern can be used to infer rich contextual information. The main objective of our project will be finally to recommend services according to an estimated trajectory of a user in the smart city.
Ville Intelligente Mobilité Urbaine Système de Recommandation Contexte Profil
Context Smart City MCSC Urban Mobility Recommendation system Profile