Recommendation System for Arabic Academic Libraries Using Machine Learning and NLP Techniques

Abstract

This thesis proposes an intelligent hybrid recommendation system designed specifically for Arabic academic libraries. It addresses major challenges related to poor search capabilities, underused resources, and the complex nature of Arabic language processing. The system combines collaborative and content-based filtering, enriched by Natural Language Processing (NLP) techniques and trained on real borrowing data from Mohamed Lamine Debaghine Setif 2 University. Abstracts for over 1000 books were generated using a fine-tuned GPT-2 model to enhance semantic matching. The system offers two recommendation pathways—based on user specialization or borrowing history— and its performance was evaluated using similarity metrics and vector-based comparisons. This work contributes to the development of modern academic tools that better support Arabic-speaking students through intelligent resource discovery================================================================================= Cette thèse propose un système intelligent de recommandation hybride conçu spécialement pour les bibliothèques académiques arabes. Elle aborde les défis liés à la faiblesse des capacités de recherche, à la sous-utilisation des ressources et à la complexité du traitement de la langue arabe. Le système combine des filtres collaboratifs et basés sur le contenu, enrichis par des techniques de traitement automatique du langage naturel (TALN), et s’appuie sur des données réelles d’emprunts collectées auprès de l’Université de Mohamed Lamine Debaghine Sétif 2. Plus de 1000 résumés de livres ont été générés à l’aide d’un modèle GPT-2 ajusté, afin d’améliorer la correspondance sémantique. Le système offre deux modes de recommandation — en fonction de la spécialité de l’utilisateur ou de son historique d’emprunt — et a été évalué à l’aide de mesures de similarité et de comparaisons vectorielles. Ce travail contribue au développement d’outils académiques modernes