Vers une usine de logiciels pour le développement d'applications mobiles pour un tourisme intelligent

Mbow, Mamadou (2024). Vers une usine de logiciels pour le développement d'applications mobiles pour un tourisme intelligent. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 252 p.

[thumbnail of Mamadou_Mbow_juin2024.pdf] PDF
Télécharger (11MB) | Prévisualisation

Résumé

« En appliquant le concept d'intelligence pour répondre aux besoins des voyageurs avant, pendant et après leur voyage, les destinations touristiques pourraient accroître leur compétitivité. Ceci demande le développement d'applications mobiles pour un tourisme intelligent offrant des fonctionnalités telles que les systèmes de recommandation pour suggérer des recommandations personnalisées aux touristes. Le développement de tels systèmes dans les applications mobiles intelligentes de tourisme exige un investissement substantiel en experts en génie logiciel et en intelligence artificielle. Afin de réduire ces coûts, notre proposition est la construction d'une usine de logiciels fournissant des actifs, tels que des langages spécifiques au domaine, pour accélérer le processus de développement. Dans ce mémoire, nous exposons une approche d'ingénierie dirigée par les modèles, utilisant des modèles, des métamodèles et des transformations de modèles comme mécanisme pour soutenir la conception et la mise en œuvre de ce genre de systèmes, tout en offrant une prise en charge de la variabilité des actifs de l'usine de logiciels. Les résultats du processus de validation ont démontré que notre approche a engendré une amélioration significative de la productivité par rapport à une méthode traditionnelle de développement. Notre approche vise également à faciliter la modélisation des systèmes de recommandation en explorant la détection de commandes vocales à partir d'un jeu de données de petite taille. Nous utilisons un modèle de reconnaissance automatique de la parole entraîné sur un vaste ensemble de données linguistiques pour la transcription d'enregistrements vocaux. Nous appliquons diverses approches, dont celles basées sur les règles et l'apprentissage profond, pour détecter l'intention dans le texte obtenu après transcription. Malgré la taille modeste de notre jeu de données, notre modèle réussit à classifier différentes commandes avec un score F1 de 96,7%, confirmant ainsi la validité de notre approche. -- Mot(s) clé(s) en français : Tourisme intelligent, Système de recommandation, Usine de logiciels, Ingénierie dirigée par les modèles, Langage spécifique au domaine, Transformation de modèle, Reconnaissance automatique de la parole, Classification de commandes vocales. »--
« By applying the concept of intelligence to meet the needs of travellers before, during, and after their trip, tourist destinations could increase their competitiveness. Adopting this concept requires the development of mobile applications for intelligent tourism, offering features such as recommendation systems to suggest personalized recommendations to tourists. However, developing these systems in smart mobile tourism applications requires a significant investment in software engineering and artificial intelligence experts. Therefore, to reduce this investment's cost, we propose constructing a software factory that offers a set of assets, such as domain-specific languages, to accelerate the development process. In this thesis, we present a model-driven engineering approach using models, meta-models, and model transformations to support the design and implementation of such systems while providing variability support for the software factory assets. The results showed that our approach significantly improved productivity compared to a classic development method. Our approach also aims to facilitate the modelling of recommendation systems by exploring voice command detection from a small dataset. We use a speech recognition model trained on a vast linguistic dataset for transcribing voice recordings. We apply various approaches, including rule-based and deep learning-based methods, to detect intent in the text obtained after transcription. Despite the modest size of our dataset, our model successfully classifies different commands with an F1 score of 96.7%, confirming the validity of our approach. -- Mot(s) clé(s) en anglais : Smart tourism, Recommender system, Software factory, Model-driven engineering, Domain-specific language, Model transformation, Automatic speech recognition, Speech command classification. »--

Type de document : Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse : Khriss, Ismaïl
Information complémentaire : Mémoire présenté dans le cadre du programme de maîtrise en informatique en vue de l'obtention du grade de maître ès sciences.
Mots-clés : Intelligence artificielle - Logiciels - Usines ; Systèmes de recommandation (Filtrage d'information) ; Reconnaissance automatique de la parole ; Tourisme - Marketing ; Applications mobiles ; Logiciels d'application - Industrie ; Logiciels d'application - Développement ; Modèles mathématiques.
Départements et unités départementales : Département de mathématiques, informatique et génie > Informatique
Date de dépôt : 31 janv. 2025 18:44
Dernière modification : 31 janv. 2025 18:44
URI : https://semaphore.uqar.ca/id/eprint/3152
Éditer la notice Éditer la notice (administrateurs seulement)

Téléchargements

Téléchargements par mois depuis la dernière année