Reinaldo Bezerra Braga - LIDU : Location-based approach to IDentify similar interests between Users in social networks

08:00
Vendredi
19
Oct
2012
Organisé par : 
Reinaldo Bezerra Braga
Intervenant : 
Reinaldo Bezerra Braga
Équipes : 

Lieu de soutenance :

Amphithéâtre F022, UFR IM2AG, Bâtiment F 60, rue de la Chimie BP 53 38041 Grenoble CEDEX 9.

Le jury est composé de :

— M. Christophe CLARAMUNT, Naval Academy Research Institute, Rapporteur 
— M. Eric GAUSSIER, Joseph Fourier University, President 
— M. Hervé MARTIN, Joseph Fourier University, Directeur de thèse 
— Mme. Michela BERTOLOTTO, University College Dublin - Irlande, Examinateur 
— M. Robert LAURINI, INSA / University of Lyon, Rapporteur 
— Mme. Rossana Maria DE CASTRO ANDRADE, Federal University of Ceará - Brésil, Examinateu

 

Réalisation technique : Djamel Hadji | Tous droits réservés

Grâce aux technologies web et mobiles, le partage de données entre utilisateurs a considérablement augmenté au cours des dernières années. Par exemple, les utilisateurs peuvent facilement enregistrer leurs trajectoires durant leurs déplacements quotidiens avec l’utilisation de récepteurs GPS et les mettre en relation avec les trajectoires d’autres utilisateurs. L’analyse des trajectoires des utilisateurs au fil du temps peut révéler des habitudes et préférences. Cette information peut être utilisée pour recommander des contenus à des utilisateurs individuels ou à des groupes d’utilisateurs avec des trajectoires ou préférences similaires. En revanche, l’enregistrement de points GPS génère de grandes quantités de données. Par conséquent, les algorithmes de clustering sont nécessaires pour analyser efficacement ces données. Dans cette thèse, nous nous concentrons sur l’étude des différentes solutions pour analyser les trajectoires, extraire les préférences et identifier les intérêts similaires entre les utilisateurs. Nous proposons un algorithme de clustering de trajectoires GPS. En outre, nous proposons un algorithme de corrélation basée sur les trajectoires des points proches entre deux ou plusieurs utilisateurs. Les résultats finaux ouvrent des perspectives intéressantes pour explorer les applications des réseaux sociaux basés sur la localisation.