30

RésuméLes systèmes de recommandation sont largement utilisés. Avec les réseaux sociaux, ces systèmes tiennent désormais compte des relations d’amitié ou de confiance entre les utilisateurs. Dans cet article, nous proposons un algorithme de recommandation respectant la confidentialité des données et pouvant être implanté sur des architectures pair à pair. Notre approche n’a besoin d’aucune connaissance globale du réseau, limite l’échange de données aux relations d’amitié et de confiance entre les pairs et évite la diffusion des données privées sur le réseau.Nous avons réalisé une évaluation de différents algorithmes de recommandation, afin de comparer notre proposition aux algorithmes centralisés. Pour cela, nous avons défini des mesures spécifiques de précision des résultats et identifié l’ensemble des connaissances nécessaires par algorithme. Nous avons mené deux séries de tests de simulation qui sont présentés et discutés.

Recommender Systems are widely used to achieve a constantly growing variety of services. Along with social networks, recommendation systems that take into account friendship or trust between users have emerged. In this article, we propose a recommendation algorithm that respects data privacy constraints in order to be implemented on P2P architecture. It does not need any global knowledge on the network, it limits data exchange to trusted relations and protects private data from being spread over the network.We present an evaluation of different recommendation algorithms, to compare our to centralized ones, such as those used in online marketing services. Several concerns are considered: specific accuracy measures are defined, as well as the amount of required knowledge on the overall dataset. We ran two series of simulation tests that are herein presented and discussed.