Comments on: Comment améliorer les moteurs de recommandation ?

By: Hubert Guillaud

Hubert Guillaud — Fri, 13 Feb 2009 13:46:58 +0000

Le ReadWriteWeb francophone vient de publier la traduction d'un billet qui met à jour la question, notamment en pointant sur la solution esquissée par ClerkDogs qui tente de construire une base de donnée plus riche.

By: Hubert Guillaud

Hubert Guillaud — Thu, 04 Dec 2008 10:27:59 +0000

Clive Thompson pour le New York Times a réalisé une grande et passionnante enquête sur le concours pour améliorer l’algorithme de recommandation de Netflix, le loueur de DVD en ligne américain.

Après avoir rencontré toutes les équipes en liste, montré leur difficulté à décrocher le prix en proposant un système qui puisse améliorer le moteur, Clive Thompson s’arrête sur les lacunes des données de Netflix qui empêchent peut-être de franchir cette étape. D’abord certains films, inclassables, ne rentrent pas dans les algorithmes : les critiques à leur égards sont trop tranchées et trop imprévisibles.

Ensuite, Netflix se refuse à mieux personnaliser ses données utilisateurs, se refusant à utiliser les critères d’âge ou de localisation pour mieux cibler les recommandations par catégories sociales, niveau d’étude ou âge.

Enfin, le moteur ne sait pas encore prendre en compte l’aspect social des recommandations, du genre si mes amis ont vu ce film alors je veux le voir aussi, ou l’influence de l’actualité sur les choix (du style les gens se précipitent sur les films parlant de Wall Street suite à l’actualité de la crise économique).

Pour obtenir de meilleurs algorithmes, Netflix travaille donc à développer de nouvelles techniques, comme par exemple en permettant à ses utilisateurs d’étiquetter les films de mots clefs. Peut-être arrivera-t-il ainsi à mieux comprendre l’imprédictible intelligence humaine en intégrant ces informations subjectives à sa base ?

By: François Parmentier

François Parmentier — Wed, 19 Mar 2008 09:25:21 +0000

À propos de filtrage, avez-vous déjà essayé FeedHub, qui vous permet de noter des items dans des fils RSS, et qui, sur cette base, ne présente que ceux qui sont censés vous intéresser.
D’ailleurs, il y a deux notes:
1. ça m’a intéressé,
2. je ne veux plus voir ça.

http://www.feedhub.com

Apparemment, la catégorisation n’est pas encore adaptée au français, mais la prise en compte des notes est effective.

By: Bibliobsession 2.0 » Bibliothèques : passer de l’ère logistique à l’ère de la médiation

Wed, 19 Mar 2008 06:43:47 +0000

[...] du désir” peut ainsi passer par un algorithme bien pensé (une des questions est alors de rendre le plus efficace possible les moteurs de recommandation), par le conseil d’un ami, par un site internet, un blog, par la participation à une [...]

By: leafar

leafar — Tue, 18 Mar 2008 10:22:23 +0000

Hubert,
J’aurais adoré pouvoir discuter avec toi du sujet car justement la psychologie joue beaucoup et c’est ce sur quoi nous avons travaillé depuis le lancement de notre projet.

Mystrands a lancé aussi un concours avec 100k$ à la clé (ce qui semble assez étrange pour une start-up travaillant dans le domaine et ayant levé 25M$). Nous avions un peu critiqué la méthode du concours de netflix çà l’époque avec mon associé et nous sommes très heureux de voir que 2 ans après le gens commencent à voir pourquoi ;-D

La france est en pointe sur ce sujet, c’est triste de en pas le mentionner. Je pense en particulier à Criteo (et puis un peu à nous) .

je ne connaissais pas booklamp et suis content de le découvrir marrant de retrouver le gus qui avait fait le voyage jusqu’à chez google en poussant des cris webesques. Comme moi ici finalement ;-D

Voici les articles en questions :
http://ulik.typepad.com/leafar/2006/10/netflix_prize_u.html
http://ulik.typepad.com/leafar/2007/01/more_about_netf.html