Système de recommandation
Les systèmes de recommandation sont une forme spécifique de filtrage de l'information (SI) visant à présenter les éléments d'information (films, musique, livres, news, images, pages Web, etc) qui sont susceptibles d'intéresser l'utilisateur. Généralement, un système de recommandation permet de comparer le profil d'un utilisateur à certaines caractéristiques de référence, et cherche à prédire l'« avis » que donnerait un utilisateur. Ces caractéristiques peuvent provenir de :
- l'objet lui-même, on parle « d'approche basée sur le contenu » ou content-based approach,
- l'utilisateur,
- l'environnement social, on parle « d'approche de filtrage collaboratif ou collaborative filtering.
Sommaire |
[modifier] Résumé
Lors de la construction du profil de l'utilisateur, une distinction est faite entre les formes explicites et implicites de collecte de données :
Exemples de collecte explicite de données explicites :
- Demander à l'utilisateur de classer une collection d'objets en fonction de sa préférences,
- Présenter deux objets à un utilisateur et lui demander de choisir le meilleur,
- Demander à un utilisateur de créer une liste d'articles qui l'intéresse.
Exemples de collecte implicite de données :
- L'observation des objets que l'utilisateur a vu sur boutique en ligne,
- Analyse de la fréquence de consultation d'un article par un utilisateur,
- Garder une trace des éléments que l'utilisateur achète en ligne,
- Obtenir une liste d'éléments que l'utilisateur a écouté ou regardé,
- Analyse du réseau social de l'utilisateur et la découverte de ses goûts et aversions.
Le système compare ensuite les données recueillies sur l'utilisateur à celle déjà exitante (d'autres utilisateurs) et calcule une liste de questions pour l'utilisateur. Plusieurs commerciaux et non commerciaux, des exemples sont énumérés à l'article sur les systèmes de filtrage collaboratif. G. Adomavicius donne un aperçu des systèmes de recommandation[1], Herlocker donne un aperçu des techniques d'évaluation[2] pour les systèmes de recommandation. Les systèmes de recommandation sont une bonne alternative au système de recherche de recherche simple, car ils aident l'utilisateur à découvrir des articles auxquels il n'aurait pas songé par lui-même. Fait intéressant, les systèmes de recommandation sont souvent mis en œuvre en utilisant les moteurs de recherche d'indexation de données non traditionnelles.
Voici une liste non-exhaustive de système de recommandation : Amazon.com, Amie Street, Baynote, CogniK, Collarity, Daily Me, Genius, inSuggest, iLike, Last.fm, Netflix, Pandora, Reddit, Slacker, Strands, StumbleUpon, StyleFeeder, ulike.net
[modifier] Voir aussi
[modifier] Notes et références
[modifier] Liens externes
- Collection of research papers
- Content-Boosted Collaborative Filtering for Improved Recommendations. Prem Melville, Raymond J. Mooney, and Ramadass Nagarajan
- [PDF] Methods and Metrics for Cold-Start Recommendations
[modifier] Groupes de recherche
- GroupLens
- IFI DBIS Next Generation Recommender Systems
- IISM
- Univ. of Southampton IAM Group
- CoFE
- Duine
- LIBRA
- Intelligent Systems and Business Informatics research group at University Klagenfurt, Austria
- Univ. of Fribourg Statistical Physics Group
- KIWI Team (Knowledge, Information and Web Intelligence)
[modifier] Ateliers
- WI'08 Workshop on Web Personalization, Reputation and Recommender Systems
- WI'07 Workshop on Web Personalization and Recommender Systems
- ACM SIGIR 2001 Workshop on Recommender Systems
- ACM SIGIR '99 Workshop on Recommender Systems
- CHI' 99 Workshop Interacting with Recommender Systems
[modifier] ACM Recommender Systems Series
[modifier] Journal special issues
- ACM Transactions on the Web Special issue on Recommenders on the Web
- AI Communications Special issue on Recommender Systems: call for papers
- IEEE Intelligent Systems Special Issue on Recommender Systems, Vol. 22(3), 2007
- International Journal of Electronic Commerce Special Issue on Recommender Systems, Volume 11, Number 2 (Winter 2006-07)
- ACM Transactions on Computer-Human Interaction (TOCHI) Special Section on Recommender Systems Volume 12, Issue 3 (September 2005)
- ACM Transactions on Information Systems (TOIS) Special Issue on Recommender Systems, Volume 22, Issue 1 (January 2004)
- Journal of Information Technology and Tourism Special issue on Recommender Systems, Volume 6, Number 3 (2003)
- Communications of the ACM Special issue on Recommender Systems, Volume 40, Issue 3 (March 1997)
[modifier] Liens externes
- CogniK système de profilage et de recommandation pour les vidéos, programmes TV et films, les jeux éducatifs, le télé-shopping, utilisant les recherches en sciences cognitives et l'intelligence artificielle, choisi par MTV Networks France en Mars 2011.
- Sailendra : moteur de filtrage collaboratif pour les produits, documents ou articles (indépendant de la langue et du format).
