L’utilisation d’indices moyens pour évaluer la performance des systèmes de recommandation : Analyses et perspectives

Details

Supervisors

Fouss, François ; Cotton, Louise

Faculty

Louvain School of Management

Degree label

Master [120] : ingénieur de gestion, à finalité spécialisée

Abstract

Les systèmes de recommandation étant de plus en plus présents dans notre société actuelle, il est davantage important qu’ils soient le plus performants en produisant des recommandations pertinentes à nos utilisateurs. Or, comme nous avons pu le voir dans la littérature, l’évaluation de leurs performances se base essentiellement sur des mesures utilisant des moyennes. Ainsi, tous les utilisateurs présents dans notre base de données sont traités de la même manière dans l’évaluation des modèles. Ce mémoire, intitulé : « L’utilisation d’indices moyens pour évaluer la performance des systèmes de recommandation : Analyses et perspectives », va nous permettre de voir si le fait de privilégier certains utilisateurs possédant des critères spécifiques aura une quelconque influence sur le modèle à proposer à nos utilisateurs. En effet, nous sommes partis du postulat que certains utilisateurs, par exemple, les plus actifs, sont nos clients principaux et doivent donc avoir plus d’importance dans l’évaluation de nos systèmes. Nous avons, dans ce but, exploré plus en profondeur le sujet des systèmes de recommandation dans la littérature. C’est dans celle-ci que la constatation des mesures d’évaluation basées sur les moyennes précédemment évoquée est survenue. Nous avons ensuite expliqué la méthodologie utilisée afin de voir l’impact de l’intégration de l’importance des utilisateurs. Nous avons décidé d’utiliser trois types de systèmes de recommandations différents : un système de filtrage collaboratif user-based, un système de filtrage collaboratif item-based et un système de recommandation basé sur le contenu. Nous avons également utilisé trois cas de figure dans l’évaluation des modèles en plus de la version classique. La première accordait une importance différente en fonction du nombre de notations fourni par l’utilisateur. La deuxième prenait en compte la date de la dernière notation de l’utilisateur. Enfin, la dernière utilisait la fréquence de notation. Ces trois listes d’importance ont été intégrées dans les mesures d’évaluation, d’abord linéairement et ensuite quadratiquement afin d’accentuer davantage la différence entre les utilisateurs d’intérêts et les autres. Nos analyses ont alors révélé que le classement des systèmes de recommandation en fonction de leurs performances n’était pas influencé par l’intégration de l’importance des utilisateurs. Il n’est donc pas nécessaire d’introduire une telle configuration dans l’évaluation de système de recommandation si notre objectif est uniquement de déterminer quel système de recommandation proposer à nos utilisateurs. Néanmoins, cette méthodologie nous permettait d’obtenir des informations sur le profil des clients recevant les meilleures recommandations et donc d’obtenir des pistes de solution afin d’améliorer la pertinence de celles-ci.

Citations

• APA

Achtergael, M. (2023). L’utilisation d’indices moyens pour évaluer la performance des systèmes de recommandation : Analyses et perspectives. https://dial-mem.test.bib.ucl.ac.be/handle/2078.2/34626