Système de recommandation

Les systèmes de recommandation sont une forme spécifique de filtrage de l'information (SI) visant à présenter les éléments d'information (films, musique, livres, news, images, pages Web, etc) qui sont susceptibles d'intéresser l'utilisateur. Généralement, un système de recommandation permet de comparer le profil d'un utilisateur à certaines caractéristiques de référence, et cherche à prédire l'« avis » que donnerait un utilisateur. Ces caractéristiques peuvent provenir de : l'objet lui-même, on parle « d'approche basée sur le contenu » ou content-based approach ; l'utilisateur ; l'environnement social, on parle d'approche de filtrage collaboratif ou collaborative filtering. vignette|Exemple de recommandation. Lors de la construction du profil de l'utilisateur, une distinction est faite entre les formes explicites et implicites de collecte de données : Exemples de collecte explicite de données : demander à l'utilisateur de classer une collection d'objets en fonction de sa préférence ; présenter deux objets à un utilisateur et lui demander de choisir le meilleur ; demander à un utilisateur de créer une liste d'articles qui l'intéressent. Exemples de collecte implicite de données : l'observation des objets que l'utilisateur a vus sur la boutique en ligne, analyse de la fréquence de consultation d'un article par un utilisateur ; garder une trace des éléments que l'utilisateur achète en ligne ; obtenir une liste d'éléments que l'utilisateur a écoutés ou regardés ; analyse du réseau social de l'utilisateur et la découverte de ses goûts et aversions. Le système compare ensuite les données recueillies sur l'utilisateur à celles déjà existantes (d'autres utilisateurs) et calcule une liste de questions pour l'utilisateur. Plusieurs commerciaux et non commerciaux, des exemples sont énumérés à l'article sur les systèmes de filtrage collaboratif. G. Adomavicius donne un aperçu des systèmes de recommandation, Herlocker donne un aperçu des techniques d'évaluation pour les systèmes de recommandation.