Bibliographie & annexes
Présentation
En anglais
RÉSUMÉ
Cet article a pour objectif de présenter les fondements des systèmes de recommandation. Ces systèmes sont très développés aujourd'hui, mais demeurent au final peu visibles, l'utilisateur ne percevant que le résultat, à savoir une liste de suggestions. Les champs d'application de ces systèmes de recommandation sont divers et variés (suggestion de films, de produits marchands, de services...).Cet article présente les champs d'application les plus représentatifs. Les différentes dimensions (culturelles, légales ainsi qu'algorithmiques) sont également abordées sans oublier le niveau implantation au travers de différents outils tels qu'Excel, PHP ou encore java/Mahout.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This paper presents the basic principles of recommender systems. These systems are strongly developed today yet are invisible to the end user, who perceives only the result, i.e. a list of recommendations. The fields of application of these recommender systems are varied and numerous (suggestions for movies, marketable products, services, etc.). In this paper we present the most representative fields of application. The different dimensions (cultural, legal and algorithmic applications) are also addressed, together with the implementation level through several tools such as Excel, PHP and java / Mahout.
Auteur(s)
-
Gérald KEMBELLEC : Maître de conférences - Docteur en sciences de l'information et de la communication - CNAM, Laboratoire Dispositifs d'information et de communication à l'ère numérique – Paris, Île-de-France, France
-
Max CHEVALIER : Maître de conférences - Docteur en informatique - Institut de recherche en informatique de Toulouse, Université de Toulouse, Toulouse 3, France
-
Damien DUDOGNON : Ingénieur R&D - Docteur en informatique - Overblog, Toulouse, France
INTRODUCTION
Dans le contexte numérique actuel, caractérisé par une surabondance d'informations, que l'on appelle infobésité ou déluge informationnel, il apparaît que les capacités humaines ne permettent pas l'analyse exhaustive de l'offre d'un corpus au sein d'une plateforme. Même dans le cadre de l'utilisation d'un moteur de recherche intégré, les résultats pertinents sont généralement noyés dans un « bruit » informationnel, ce qui en empêche, ou tout du moins en ralentit, le repérage. Pour aider l'esprit humain dans son processus de sélection, des systèmes de recommandation grand public ont vu le jour dans la dernière décennie du vingtième siècle.
Un système de recommandation est un outil de filtrage de l'information offrant à un usager l'assistance à la sélection personnalisée face à un catalogue d'items. Les cadres d'application de ces systèmes sont multiples : au sein des réseaux socionumériques, du marketing digital avec la relation client pour la vente en ligne ou encore des services personnalisés liés à une offre culturelle.
Après un tour d'horizon des domaines d'application des moteurs de recommandation, les principales stratégies de recommandations sont présentées sur les plans théoriques et algorithmiques. La personnalisation de ces systèmes peut se baser sur plusieurs méthodes algorithmiques, principalement orientées autour des aspects sociaux et/ou sur les caractéristiques des objets manipulés. Cet article propose également une mise en lumière de l'approche collaborative au travers d'un exemple reposant sur des outils open source.
Avec un recul de plus de 20 ans sur ces dispositifs, des questionnements émergent autour de l'éthique, du respect de la vie privée et de la confiance de l'usager. Des réflexions sont ainsi menées pour une normalisation et un encadrement légal du phénomène de recommandation.
L'expertise technique et scientifique de référence
KEYWORDS
Algorithms | recommendation | implementation | social networks | marketing
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Big Data > Systèmes de recommandation > Glossaire – Définitions
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Place des moteurs de recommandation dans la société numérique
En anglais
7. Glossaire – Définitions
Clustering
Méthode de regroupement d'items proposant des caractéristiques communes en clusters (ensembles).
Corrélation ; Correlation
Une corrélation est le lien existant entre des variables. Dans le cadre des systèmes de recommandations, des items peuvent être corrélés entre eux par des caractéristiques intrinsèques ou par des évaluations d'usagers. Des usagers peuvent être corrélés entre eux pour des raisons sociales ou par les évaluations similaires qu'ils ont produites d'ensembles d'items.
CRM Gestion de la relation client ; Customer Relationship Management
Ensemble de techniques et d'outils permettant de récolter et traiter les données relatives à la clientèle ou aux prospects du segment de marché pour améliorer le service et fidéliser la clientèle.
Journal ; Log
Dans un système d'information, les activités liées à un processus sont enregistrées de manière automatique séquentielle dans un fichier journalisé.
Sérendipité ; Serendipity
La sérendipité est la découverte, par ouverture d'esprit ou par hasard, d'un élément intéressant éloigné de ce qui était initialement recherché.
Shilling
Le shilling est une technique frauduleuse de modification de la valeur d'un item dans un système de recommandation dans le but d'augmenter sa visibilité. Les plateformes comme Amazon, Trip Adviser ou Yelp sont victimes de type d'attaques pour frauder le système et valoriser des items artificiellement.
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Glossaire – Définitions
BIBLIOGRAPHIE
-
(1) - RESNICK (P.), IACOVOU (N.), SUCHAK (M.), BERGSTROM (P.), RIEDL (J.) - GroupLens. - In Proceedings of the 1994 ACM conference on Computer supported cooperative work – CSCW '94, p. 175-186 (1994).
-
(2) - STENGER (T.), COUTANT (A.) - La prescription ordinaire sur les réseaux socionumériques. - In Médias 09, entre communautés et mobilité, p. 1-24 (2009).
-
(3) - DE CERTAU (M.) - L'invention du quotidien. Tome 1 : Arts de faire. - Folio. Gallimard, Paris(1990).
-
(4) - COUTANT (A.) - Quelle place pour l'innovation dans les médias sociaux ? - Commun. Organ., n° 43, p. 123-134, juin 2013.
-
(5) - STENGER (T.), COUTANT (A.) - Web 2.0 et médias sociaux. - In E-marketing et E-commerce. Concepts, Outils, Pratiques, Management., STENGER (T.) ET BOURLIATAUX-LAJOINIE (S.), Éd. Dunod, Paris, p. 63-115 (2011).
-
...
ANNEXES
The R Project for Statistical Computing. Sous licence GPL, disponible pour plateformes Microsoft, Apple, Unix et Linux à l'URL http://www.r-project.org/ (page consultée le 3 août 2015).
BiostatGV propriété de l'institut Pierre Louis d'Épidémiologie et de Santé Publique UMR S 1136, affilié à l'INSERM et l'Université Pierre et Marie Curie (anciennement UMR S 707). Interface PHP en ligne avec R pour un calcul de corrélation, permet également de formater des valeurs d'entrée vers R depuis un tableur par copier/coller http://marne.u707.jussieu.fr/biostatgv/?module=tests/pearson (page consultée le 3 août 2015).
Mahout, Copyright © 2014, The Apache Software Foundation, Sous licence...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
