Recommandation par inférence bayésienne. Application à la configuration de produit - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle Année : 2018

Recommandation par inférence bayésienne. Application à la configuration de produit

Résumé

Cet article traite du problème de la recommandation de valeurs dans le cadre de la configuration interactive de produit. L'idée est d'apprendre, hors ligne et à partir d'un historique de vente, des indépendances entre variables sous la forme d'un réseau bayésien ; on peut ensuite utiliser les tables du réseau bayésien appris pour recommander, à chaque étape de la configuration, les options les plus probablement choisies ; ou on peut estimer directement à partir de l'historique les probabilités nécessaires : nous proposons pour cela une variation de l'algorithme Recursive Conditioning. Nos expérimentations sur des données réelles montrent que ces approches sont compatibles avec une exploitation en ligne en termes de temps CPU et possèdent une très bonne précision : leur taux de succès est proche du meilleur possible.
Fichier principal
Vignette du fichier
fargier_22543.pdf (686.02 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02182000 , version 1 (12-07-2019)

Identifiants

Citer

Hélène Fargier, Pierre-François Gimenez, Jérôme Mengin. Recommandation par inférence bayésienne. Application à la configuration de produit. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, 2018, 32 (1), pp.39-74. ⟨10.3166/ria.32.39-74⟩. ⟨hal-02182000⟩
91 Consultations
152 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More