Action : AID

Précédent : Raisonnement à partir de cas Remonter : Fondements scientifiques Suivant : Domaines d'applications

   
Systèmes de recommandations

Mots clés :

fouille de données, raisonnement à partir de cas, filtrage collaboratif, calcul de recommandations, hypermedia, sites Web .

L'objectif d'un système de recommandation est d'aider les utilisateurs à faire leurs choix dans un domaine où peu d'informations leur sont disponibles afin de trier et évaluer les alternatives possibles [SM95,RV97,KMM⁺97].

Un système de recommandation peut être décomposé en trois entités de base (cf figure 1) : le groupe d'agents producteurs de recommandations, le module de calcul de recommandations et le groupe de consommateurs des recommandations.

  

Figure 1: Architecture générale d'un système de recommandation

Un défi majeur dans le domaine de la conception de systèmes de recommandation est le suivant :

Comment produire de recommandations personnalisées et de haute qualité tout en minimisant l'effort requis des producteurs et des consommateurs.

Deux grandes approches complémentaires sont proposées dans la litérature : 1) l'approche fondée sur l'apprentissage automatique de profils utilisateurs et 2) l'approche fondée sur des techniques de fouille de données. Le profil utilisateur est une structure de données qui décrit les centres d'intérêts d'un utilisateur dans l'espace des objets à recommander. Une fois une telle structure construite, on peut l'utiliser soit pour filtrer les objets disponibles (on parle alors de filtrage basé sur le contenu), soit pour recommander à l'utilisateur ce qui a satisfait d'autres utilisateurs ayant un profil similaire (on parle alors de filtrage collaboratif) [RV97].

Dans l'action AID, nous travaillons à développer une approche de calcul de recommandations centrée fouille de donnée où les comportements passés d'un groupe d'utilisateurs sont utilisés pour calculer les recommandations (cf. filtrage collaboratif). La plupart des autres approches fondées sur la fouille de données sont principalement des approches statistiques où l'ordre d'occurrence d'événements dans l'historique n'est pas pris en compte lors du calcul de recommandation. Citons comme exemple dans le domaine d'aide à la navigation sur le Web le système FootPrints [WM97] et le système de Yan et. al [YJGMD96].

Les problèmes difficiles pour la mise en oeuvre de notre approche concernent les aspects suivants :

1.

fournir des techniques d'identification et d'extraction de comportements pertinents (i.e des enseignemnents ou des cas) à partir des données brutes des historiques,

2.

définir des méthodes et des techniques de mesure de similarités entre comportements,

3.

définir des techniques d'inférence de recommandations personnalisées à partir des comportements pertinents passés identifiés (ou à partir des cas remémorés).

Nous adressons l'ensemble des trois problèmes ci-dessus en explorant la possibilité d'application des techniques RàPC.

Précédent : Raisonnement à partir de cas Remonter : Fondements scientifiques Suivant : Domaines d'applications