Filtrage collaboratif (Système de recommandation)

Présentation au sujet: "Filtrage collaboratif (Système de recommandation)"— Transcription de la présentation:

1 Filtrage collaboratif (Système de recommandation)
Ex: amazon.com

2 Recommandation (usagers similaires)
user/item item1 item2 item3 item4 item5 sim2 User1 X 2/3 user2 --- user3 user4 1/3 user5 user/item item1 item2 item3 item4 item5 User1 2/3 user2 user3 user4 1/3 user5 sum 4/3 3/3 * Ne tient pas compte de la similarité inverse (mélange des genres)

3 Type de recomandations
Suggestion générale Suggestion par rapport à un article

4 N usager > N articles ?
C'est en général le cas. ->Trouver les articles similaires

5 Recommandation (items similaires)
user/item item1 item2 item3 item4 item5 User1 X user2 user3 user4 user5 Sim 2 1/3 2/3 user/item item1 item2 item3 item4 item5 User1 1/3 2/3 user2 user3 user4 user5 4/3

6 “Cold start” Comment pouvons-nous recommander des nouveaux livres si personne ne les a lu? Similarité → Distance

7 Exemple Système de Recommandation musicale
Caractéristiques MFCC etc. (Distance) Apprendre espace par contrainte supervisé (DoubleV3)

8 Information: Appréciation
Pour augmenter la pertinence de recommandation, on ajoute de l'information sur l'appréciation (ex: 0-5 étoiles) Avoir acheté un livre ne veut pas dire qu'on l'a aimé L'appréciation n'est pas la même pour tous et varie en fonction du temps (ex: netflix)