Académique Documents
Professionnel Documents
Culture Documents
Systemes de Recommandation PDF
Systemes de Recommandation PDF
David Loup
Plan
• Définition
• Motivations
• Domaine : Films
• Techniques / Approches
• Exemples
• Problèmes
• Evolution future
Définition
Motivations
Films
• Popularité
• Diversité
Comment faire ?
• Algorithmes de recherche
Approches
• Knowledge-based systems
Content-Based Filtering
Le Profil de l’utilisateur
• Critères importants
• Prise en compte
¾ Comparaisons booléennes
• Manque de sérendipité
Collaborative Filtering
¾ Méthode agrégative
¾ Méthode centralisée
[Veletsianos, 2002]
• Matrice de notation
Utilisateurs
r1,1 ... ri ,1 ... rm ,1
...
Films r1, j ri , j rm , j
r1,n ri ,n rm ,n
• Votes épars
Knowledge-Based Systems
Problèmes :
Systèmes Hybrides
Recommandation de films
• IMDB
• Movies2Go
• Recommendz
• MovieLens
Problèmes
• La vie privée
Evolutions Futures
• Privilégier le Feedback
Conclusion
• Un système doit utiliser toutes les informations
possibles pour effectuer une recommandation en
temps réel
Références
Veletsianos, G.
"Recommender Systems and Personalization Techniques"
In CS 50 : Internet Programming 2002.
Burke, R.
"Knowledge-based recommender systems",
In Encyclopedia of Library and Information Science, 2000.
Références (suite)
Sarwar, B.M.; Karypis, G.; Konstan, J.A.; et Riedl, J.T.
“Analysis of recommendation algorithms for ecommerce,”
In Electronic Commerce, 2000.