Système de recommandation

Logiciel qui suggère des contenus (films, produits, articles) à partir du comportement passé et de motifs de similarité, souvent via filtrage collaboratif ou factorisation matricielle.

Un système de recommandation prédit ce qu’un utilisateur pourrait aimer ensuite : quel film regarder, quel produit acheter ou quel article lire. Beaucoup de systèmes industriels s’appuient sur le filtrage collaboratif et infèrent les goûts à partir de notes ou clics partagés entre utilisateurs et objets.

Le Netflix Prize (2006 à 2009) a transformé la précision de recommandation en benchmark public mesuré par le RMSE. Les équipes gagnantes ont combiné factorisation matricielle, méthodes d’ensemble et machines de Boltzmann restreintes du groupe de Hinton. Les recommandeurs restent une application centrale de l’apprentissage supervisé en apprentissage automatique.