La plateforme Senselife vise à répondre à la nécessité de gérer la fragilité à domicile en se basant sur des auto-évaluations de la situation de l'usager. Son objectif est de développer un système de recommandation axé sur le bien-être et la prévention pour les personnes âgées, en leur offrant des conseils personnalisés et adaptés à leurs besoins et préférences. Cette plateforme offre plusieurs fonctionnalités importantes pour aider les citoyens à trouver les services dont ils ont besoin pour améliorer leur qualité de vie. Les utilisateurs peuvent exprimer leurs besoins spécifiques, et la plateforme aide à mettre en relation l'offre de services des fournisseurs avec les demandes des utilisateurs.

Dans ce contexte, notre travail présente l'utilisation de modèles de connaissance dans notre système de recommandation, Senselife. Nous nous concentrons sur la manière dont ces modèles sont construits. Les systèmes de recommandation jouent un rôle essentiel dans la lutte contre la surcharge d'information en proposant des suggestions personnalisées basées sur les préférences et les comportements des utilisateurs. Cependant, ils rencontrent encore plusieurs obstacles tels que la rareté des données et le démarrage à froid, qui limitent leur efficacité. En intégrant des modèles de connaissance, nous visons à surmonter ces défis et à améliorer la précision des recommandations tout en fournissant des explications sur les services recommandés.