Modèle prédictif et implicite des profils usagers pour personnaliser la recommandation des commandes de restaurants d'UEAT

点击翻译按钮获取中文摘要

Les systèmes de recommandation se démarquent comme étant le complément de base du processus d'achat en ligne en proposant à l'utilisateur des produits qui sont susceptibles de l'intéresser. Dans ce contexte l'entreprise UEAT a développé une version initiale d'un système de recommandation de produits et de plats en temps réels dans sa solution technologique de gestion et d'automatisation des commandes pour l'industrie de la restauration rapide. Leur application est déployée sur différentes plateformes directement dans le site web des restaurateurs ou encore sur bornes de commande libre-service. L'entreprise UEAT souhaite augmenter le niveau de personnalisation de leur système en intégrant des modules d'intelligence artificielle capables de proposer les bons plats, aux bonnes personnes et ce, au bon moment et en fonction d'une multitude de critères. Mené en collaboration avec le centre d'intelligence artificielle appliquée JACOBB, ce projet a pour objectif l'élaboration d'une démarche de personnalisation du système de recommandation de UEAT en se basant sur des approches d'intelligence artificielles (IA) combinant entre autres des modèles d'inférences prédictifs à un apprentissage machine profond. Notre approche s'oriente vers la définition d'un modèle de personnalisation contextuel multicritère capable d'apprendre dynamiquement et en temps réel les préférences des consommateurs en tenant compte des facteurs internes et externes propres à chacun.