Ce projet à pour objectif de traiter et analyser un jeu de données issu de la plateforme Amazon, en se focalisant sur la catégorie Sports and Outdoors. Réalisé en groupe de 3 étudiants, il se divise en plusieurs parties qui explorent des motifs fréquents, l'extraction de motifs à forte utilité, et la découverte de groupes d'utilisateurs partageant des habitudes d'achats similaires.
. ├── data
│ ├── dataClean.ipynb # Script de pré-traitement des données
│ └── df.csv # Jeu de données nettoyé
├── doc
│ └── EDA_Cardi_Ferroni_Moyo-Kamdem.pdf # Rapport du projet
├── README.md # Documentation du projet
└── src
├── Partie1.ipynb # Analyse des motifs fréquents
├── partie2.ipynb # Extraction des motifs à forte utilité
└── Partie3.ipynb # Découverte et évaluation des groupes d'utilisateurs
- Identifier les motifs fréquents dans les données.
- Étudier l'apport des motifs fermés.
- Extraire les règles d'association les plus confiantes.
- Identifier des comportements spécifiques à des sous-populations.
- Proposer une collection de motifs qui comprime efficacement les données.
- Découvrir des motifs fréquents selon des contraintes spécifiques.
- Prendre en compte les utilités des items à l'aide de l'algorithme générique QPlus.
- Proposer un système d'extraction de motifs à la demande et justifier le choix de l'approche.
- Effectuer une étude qualitative sur un échantillon d'au moins 1000 motifs.
- Proposer une définition de groupe en fonction des attributs disponibles (ex. : fréquence d'achat, notes, prix moyen).
- Évaluer les groupes en termes de couverture, diversité, distribution des notes et fréquence d'achat.
- Adapter l'algorithme MOMRI au jeu de données.
- Effectuer une synthèse sur le temps d'exécution, la qualité des groupes obtenus, et les insights obtenus.
Le jeu de données utilisé est extrait du dataset Amazon Review Dataset, publié par Jianmo Ni, Jiacheng Li et Julian McAuley dans leur article :
Jianmo Ni, Jiacheng Li, Julian McAuley
Empirical Methods in Natural Language Processing (EMNLP), 2019
- Catégorie analysée : Sports and Outdoors
- Attributs principaux :
rating: Note attribuée par les utilisateurs.user: Identifiant de l'utilisateur.item: Identifiant de l'article.price: Prix de l'article.
- Les résultats obtenus pour chaque partie sont disponibles dans les notebooks correspondants :
- Partie 1 : Identification des motifs fréquents et règles d'association.
- Partie 2 : Extraction de motifs à forte utilité avec QPlus.
- Partie 3 : Groupes d'utilisateurs optimisés selon les métriques de couverture, diversité et diamètre (via α-MOMRI et h-MOMRI).