Système de recommandation : algorithmes et application à la plateforme KeeSeeK
Abstract
This article summarizes the progress of the project proposed by the KeeSeeK company as part of the "SEME" organized in November 2018 at Strasbourg. This project focuses on the recommendation of job offers in a web search engine. We place ourselves in the case where the search engine must propose job offers likely to maximize the clicks of the candidates. These offers have been pre-selected and the user (with the help of the search engine) wants to improve this selection. To tackle this problem, we proposed a revised version of a Thompson-Sampling algorithm when the number of available job offers is high (∼ 100)
Cet article résume le déroulement du projet proposé par la société KeeSeeK dans le cadre de la Semaine d'Étude Maths-Entreprises (SEME) de Strasbourg organisée en novembre 2018. Ce projet porte sur la recommandation d'offres d'emploi dans un moteur de recherche en ligne. Nous nous plaçons dans le cas où le moteur de recherche doit proposer des offres d'emploi susceptibles de maximiser les clics des candidats. Ces offres ont été préalablement sélectionnées et l'utilisateur (possédant le moteur de recherche) souhaite améliorer sa sélection. Pour s'intéresser à ce problème, nous avons proposé une version revisitée d'un algorithme d'apprentissage par renforcement (Thompson-sampling) lorsque le nombre d'offres d'emploi disponibles est important (∼ 100).
| Origin | Files produced by the author(s) |
|---|
Loading...