Raisonnement analogique pour la recommandation : premières expérimentations - Archive ouverte HAL Access content directly
Conference Papers Year : 2015

Raisonnement analogique pour la recommandation : premières expérimentations

Abstract

Les systèmes de recommandation ont pour vocation de fournir des suggestions intéressantes à leurs utilisateurs. On distingue deux principaux types d'approche pour construire un système de recommandation : les méthodes dites "content-based" et les méthodes dites collaboratives. Encouragés par les bons résultats obtenus par les techniques de classification basées sur les proportions analogiques, nous nous intéressons ici à la conception de techniques de recommandation elles aussi basées sur les proportions analogiques. La qualité d'un système de recommandation peut être évaluée selon différents aspects, parmi lesquels la précision, qui mesure la capacité d'un système à évaluer avec justesse l'intérêt d'un utilisateur pour un objet donné. D'autres dimensions sont aussi à prendre en compte, notamment la couverture, ou la capacité du système à faire découvrir des articles à la fois intéressants et qui n'auraient pas pu être découverts autrement (surprise). Dans ce papier, nous comparons deux approches basées sur l'analogie avec d'autres approches classiques du problème de la recommandation.
Fichier principal
Vignette du fichier
hug_18960.pdf (221.01 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01782598 , version 1 (02-05-2018)

Identifiers

  • HAL Id : hal-01782598 , version 1
  • OATAO : 18960

Cite

Nicolas Hug, Henri Prade, Gilles Richard. Raisonnement analogique pour la recommandation : premières expérimentations. 9es Journées d'Intelligence Artificielle Fondamentale (IAF 2015) in Plate-forme Intelligence Artificielle 2015, Jun 2015, Rennes, France. pp. 1-10. ⟨hal-01782598⟩
62 View
55 Download

Share

Gmail Facebook X LinkedIn More