Utiliser les systèmes de recommandation pour contribuer à la mise en avant de produits durables

Details

Supervisors

Fouss, François ; Satinet, Chloé

Faculty

Louvain School of Management

Degree label

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

Abstract

Ce mémoire aborde deux thématiques qui ont, jusqu’alors, rarement été étudiées simultanément au sein de la littérature à savoir d’une part la durabilité et d’autre part les systèmes de recommandation. L’objectif de ce travail est d’explorer différentes méthodes pouvant contribuer à la mise en avant de produits durables au sein des systèmes de recommandation. Ce sujet est né du constat que l’influence de ces systèmes dans les choix de consommation des ménages n’a été que grandissante ces dernières années mais également que des changements dans les habitudes de consommation étaient nécessaires vu leur impact environnemental. Après avoir brièvement contextualisé notre recherche et posé les principes fondamentaux des systèmes de recommandation, une revue de la littérature nous permet d’identifier différentes méthodes visant à biaiser les recommandations formulées par ces systèmes. Nous appliquons donc, à des jeux de données issues du secteur de la mode, 4 algorithmes classiques (k-nn users, k-nn items, SVD, content-based). Ensuite, deux stratégies de reclassement utilisant des modèles d’optimisation sont appliquées sur les recommandations formulées par nos 4 modèles. Enfin le fonctionnement du k-nn items a été modifié à l’aide de deux stratégies in-processing. Nos résultats issus des stratégies de reclassement suggèrent qu’il existe une relation négative entre la durabilité et la pertinence des recommandations effectuées et que cette relation est due à la distribution des articles durables parmi l’ensemble des références. Nous constatons également que ces stratégies offrent un contrôle direct sur la pertinence ou la durabilité des recommandations et offrent des compromis permettant de formuler des recommandations ayant un impact environnemental moindre tout en évitant qu’elles perdent tout intérêt. Concernant notre première stratégie in-processing, les résultats nous amènent à noter que celle-ci exerce une influence indirecte sur la durabilité des recommandations. L’importance de l’amélioration de la durabilité des recommandations semble être sensible à la popularité des articles durables. Enfin les résultats de notre seconde stratégie in-processing, tendent à affirmer que la variation de la similarité exigée pour que les articles soient considérés comme voisins dans le cadre d’un k-nn items n’influence pas la durabilité des recommandations qui en découlent.