Comment les laboratoires de recherche d'eBay s'attaquent à la tâche délicate des recommandations de mode

Si vous vous êtes déjà demandé quoi porter le matin, vous vous êtes peut-être également demandé si vous pouviez laisser le choix à un algorithme qui pourrait recommander une combinaison décente de vêtements.

La réponse courte est non. Divers groupes se sont penchés sur le problème des conseils de mode automatisés sans que personne ne s'y attarde vraiment.

Aujourd'hui, c'est au tour d'Anurag Bhardwaj et de ses amis d'eBay Research Labs à San José. Ces gars-là ont développé deux systèmes de recommandation de mode différents, puis ont collecté des opinions pour savoir si les recommandations qu'ils fournissent sont bonnes.

Les résultats fournissent des informations intéressantes sur la façon dont les humains évaluent les vêtements, mais suggèrent également que les recommandations de mode automatisées ont encore du chemin à parcourir.

Ces gars-là commencent par créer deux algorithmes de recommandation de mode différents, qu'ils entraînent sur un ensemble de données composé de plus de 13 000 photographies de mannequins prises sur le Web. Sur chaque photographie, le modèle porte une combinaison haut et bas permettant aux algorithmes de rechercher des corrélations entre les différentes combinaisons haut et jupe.

Le premier algorithme, que Bhardwaj et ses amis appellent le conseiller de mode déterministe, évalue les couleurs du haut et les compare aux couleurs des jupes. Il attribue ensuite à chaque combinaison une note qui peut être comparée à d'autres combinaisons de haut en bas. (Exactement comment cette note est calculée, ils ne le disent pas.)

Ainsi, lorsque cet algorithme est interrogé en lui montrant un sommet particulier, par exemple, il recherche dans sa base de données un fond qui, une fois combiné, produit une note élevée.

Le deuxième algorithme utilise la règle prédéfinie selon laquelle les vêtements à motifs se coordonnent bien avec les vêtements de couleur unie. En d'autres termes, avoir des motifs occupés dans les vêtements haut et bas est moins populaire, selon Bhardwaj and co.

Ainsi, cet algorithme garantit que lorsqu'il est présenté avec un haut à motifs, par exemple, toutes ses recommandations seront pour une jupe de couleur unie.

Mais ces recommandations sont-elles bonnes ? Pour le savoir, Bhardwaj et ses amis ont demandé à 150 personnes du service Mechanical Turk d'Amazon d'évaluer les recommandations sur une échelle de mauvaise, neutre, bonne ou excellente.

Ils ont généré les recommandations en présentant à chaque algorithme une image choisie au hasard dans une base de données de 1 000 images de jupes. L'algorithme a ensuite dû choisir un sommet tiré d'une base de données distincte d'images de sommets.

Les résultats montrent certains modèles de préférence parmi les utilisateurs. Par exemple, les gens préfèrent une jupe de couleur unie avec une combinaison de haut à motifs.

Plus intéressant encore, les utilisateurs ont également préféré des motifs simples, tels que des pois, des unis, des rayures ou des carreaux, plutôt que des motifs complexes tels que des motifs animaliers, floraux, géométriques ou cachemire. Et lorsqu'ils fournissent une note, les utilisateurs effectuent la tâche plus rapidement lorsqu'ils sont présentés avec des modèles simples plutôt qu'avec des modèles complexes.

Bhardwaj et co disent que cela a du sens puisque les neuroscientifiques savent depuis longtemps que la complexité d'une image détermine le temps qu'il faut pour la traiter visuellement.

On ne sait pas à quel point cela sera utile pour développer des algorithmes de recommandation de mode à l'avenir. Un problème potentiel est que Bhardwaj et co ne fournissent aucune information sur les utilisateurs qu'ils ont employés sur Mechanical Turk d'Amazon. Ils ne disent rien sur la répartition des hommes et des femmes, sur les tranches d'âge concernées, leurs ethnies, etc. Tous ces facteurs pourraient avoir un effet significatif sur les choix de mode.

De plus, il est concevable que les personnes qui choisissent de travailler en tant que Turcs soient un groupe auto-sélectionné avec des caractéristiques très spécifiques en matière de mode. Mais à partir de ce papier, il est impossible de le dire.

Les enjeux sont potentiellement importants. L'un des avantages des algorithmes de recommandation est qu'ils peuvent augmenter considérablement les ventes s'ils fonctionnent bien. C'est quelque chose qu'Amazon, Netflix, Apple et autres ont tous découvert à leur avantage. La possibilité qu'un algorithme de recommandation de mode puisse aider les clients à vendre incitativement fournira une grande motivation pour davantage de recherches dans ce domaine.

Pour le moment, cependant, une chose est claire. La construction de systèmes de recommandation de mode est une tâche délicate et qui restera probablement au-delà de l'état de l'art pendant un certain temps encore.

Réf : http://arxiv.org/abs/1405.4013 : Améliorer les recommandations de mode visuelle avec les utilisateurs dans la boucle

cacher