Collaborative filtering on the Internet
Arnd Kohrs · OpenGrey (Institut de l'Information Scientifique et Technique) · 2001
Le filtrage collaboratif est une technologie récente qui permet d obtenir une recommandation personnalisée. Il est employé pour des systèmes de recommandation et en particulier pour la personnalisation de sites Web. Les utilisateurs indiquent leurs préférences (c est-à-dire évaluent des objets), et le système de filtrage collaboratif associe ce nouveau profil à d autres profils d utilisateurs existants et similaires, afin de pouvoir prédire des préférences. Cette thèse se concentre sur l amélioration des algorithmes de filtrage collaboratif et leur application dans des sites Web. Le cas où les préférences de l utilisateur sont peu nombreuses (ou sparsity ) pose un problème au filtrage collaboratif. Nous proposons un algorithme de filtrage collaboratif basé sur un groupement hiérarchique des profils d utilisateurs. Il est conçu afin d améliorer ces situations avec peu de données disponibles. Pour étudier l utilisation du filtrage collaboratif afin de personnaliser des applications sur le Web (user-adapted Web sites), nous avons conçu un prototype d un site Web qui s adapte à l utilisateur : l Active WebMuseum, un musée en ligne pour des peintures d art. Afin d améliorer la personnalisation, le filtrage collaboratif est combiné au filtrage par le contenu (couleur, texture d une peinture). Nous proposons et comparons deux approches pour cette combinaison. Dans une application en ligne, telle que l Active WebMuseum, il est important de définir comment les prédictions sont utilisées pour personnaliser l application et comment la personnalisation est évaluée par l utilisateur. Nous proposons le Multi-Corridor-Access-Paradigm comme modèle pour formaliser l interaction entre l utilisateur et le site Web personnalisé. Il permet aussi de déduire des métriques afin de mesurer la performance liée à la personnalisation. Afin de rendre la phase d initialisation (nouveaux utilisateurs) plus efficace, nous proposons plusieurs approches pour choisir les premiers objets susceptibles d être évalués par les nouveaux utilisateurs.