Système de recommandation sur les plateformes de micro-blogging et bulles filtrantes

Avec la croissance sans precedent des publications sur les plateformes de micro-blogging, trouver du contenu interessant pour un utilisateur est devenu un enjeu majeur. Cependant, en raison des proprietes intrinseques des plateformes de micro?blogging, comme le flux gigantesque de messages arrivant tous les jours et leur faible duree de vie, il est difficile d?appliquer les methodes traditionnelles de recommandation comme la factorisation matricielle. Apres une etude approfondie d?un large jeu de donnee issu de Twitter, nous presentons un modele de propagation qui repose sur l?homophilie presente dans le reseau pour recommander des messages aux utilisateurs. Notre approche s?appuie sur la construction d?un graphe de similarites lie aux interactions des utilisateurs. Nous presentons plusieurs experimentations pour demontrer la qualite de prediction de notre modele et sa capacite a passer a l?echelle. Enfin, nous evaluons differents algorithmes de detections de communautes, qui permettent d?evaluer l?impact des systemes de recommandations sur l?isolement communautaire des utilisateurs. Nous proposons une metrique permettant de quantifier la force des bulles filtrantes et nos resultats montrent que cet effet de bulle filtrante est en realite limite pour une majorite d?utilisateurs. Il semble que, de facon contre intuitive, dans la majorite des cas les systemes de recommandation ouvrent les perspectives des utilisateurs. Cependant, une minorite de personnes est concerne par l?effet de bulle et nous proposons donc un modele reposant sur les liens entre communautes pour adapter les recommandations afin d?etre plus en accord avec leur profil communautaire.