- Filtrage Collaboratif
-
Filtrage collaboratif
Le filtrage collaboratif est la traduction proposée du terme anglais collaborative filtering. Le filtrage collaboratif regroupe l'ensemble des méthodes qui visent à construire des systèmes de recommandation utilisant les opinions et évaluations d'un groupe pour aider l'individu.
Il existe deux principaux axes de recherche dans le domaine:
- le filtrage collaboratif passif : qui repose sur l'analyse des comportements
- le filtrage collaboratif actif : qui repose sur du déclaratif (notes, commentaires) de la part des utilisateurs. Cet axe de recherche se subdivise en deux autres catégories.
- le filtrage collaboratif utilisateurs
- le filtrage collaboratif objets
Une troisième voie est aussi possible, il s'agit du Content Based (traduction à trouver) qui consiste à définir des caractéristiques "objectives" aux objets afin de procéder au filtrage.
Sommaire
Systèmes de Filtrage Actifs
- Description :
- Avantages : capacité à reconstruire l'historique d'un individu et capacité à éviter d'agréger une information qui ne correspond pas à un unique utilisateur (plusieurs personnes sur un même poste ou une personne agissant pour le compte d'autrui)
- Inconvénients: les informations recueillies peuvent contenir un biais dit de déclaration
Systèmes de Filtrage Passifs
- Description :
- Avantages :
- Aucune information n'est demandée aux utilisateurs.
- Les données récupérées sont justes et ne contiennent pas de biais de déclaration
- Inconvénients :
- Les données récupérées sont plus difficilement attribuables et contiennent des biais d'attribution. Un exemple typique est la multi-utilisation d'un compte par plusieurs utilisateurs.
Filtrages Collaboratifs
Ils sont composés en général de trois étapes.
- Récupérer une sélection d'informations sur laquelle va se baser le système de filtrage
- La première consiste à recueillir de l'information
- La seconde consiste à bâtir une matrice contenant l'information.
- La troisième à extraire à partir de cette matrice une liste de suggestions
Systèmes de Filtrage collaboratifs utilisateurs
Méthodologie :
- Chercher des utilisateurs qui ont les mêmes comportements avec l'utilisateur à qui l'on souhaite faire des recommandations
- Utiliser les notes des utilisateurs similaires pour calculer une liste de recommandations pour cet utilisateur.
Un exemple pour mieux comprendre
En guide de bonne application des principes du filtrage collaboratif, on peut penser à un logiciel de location de films. Lorsque les clients rendent les DVD, ils sont invités à donner une note entre 0 et 10, indiquant leur satisfaction vis-à-vis du film loué. L’ensemble des notations des utilisateurs permet d’établir leurs profils et de les comparer aux autres clients. Ainsi, si Monsieur Dupont a aimé les films Matrix, Superman et Harry Potter, on va chercher dans la Base de Données les clients qui semblent avoir les mêmes goûts. Pour illustrer cet exemple, supposons que ces clients ont également adoré le film Titanic. Dans ce cas, le logiciel est en droit de supposer que M. Dupont va lui aussi apprécier Titanic et va donc le lui proposer à la location.
Systèmes de Filtrage collaboratifs objets
Le système de filtrage collaboratif a été popularisé par Amazon avec la fonctionnalité "les gens qui ont acheté x ont aussi acheté y". Le système d'Amazon était un système passif qui se basait sur les achats des gens pour construire la matrice de relation entre les objets.
- Bâtir une matrice "item-item matrix" determinant des relations entre des objets "pairs"
- Utiliser cette matrice pour proposer des objets.
Systèmes de Filtrage Collaboratif Commerciaux
- En Français
- En Anglais
- Amazon
- Findory - Information, news, blogs
- Last.fm - musique
- LibrayThing - livre
- Musicmatch - musique
- Netflix - film
- Photoree - images (photos)
- Reciprodate - rencontre
- Sourcelight Technologies Inc
- StoryCode - livre
- TiVo - télévision
- Touchstone - Attention Management Platform
Voir aussi
Références
Catégorie : Systémique
Wikimedia Foundation. 2010.