Le défi ultime pour les moteurs de recommandation

L'expression Les gens qui ont acheté X, ont également acheté Y est devenu l'un des surnoms célèbres de l'ère Internet. Cette forme particulière de mots provient de moteurs de recommandation qui analysent les produits que vous avez achetés dans le passé pour suggérer des produits que vous pourriez aimer à l'avenir, généralement en fonction des choix faits par d'autres personnes ayant des goûts similaires.

De bons moteurs de recommandation peuvent augmenter les ventes de plusieurs pour cent. C'est pourquoi ils sont devenus l'une des fonctionnalités incontournables des boutiques et des services en ligne.

Il n'est donc pas difficile de comprendre pourquoi il y a un intérêt considérable à améliorer les performances des moteurs de recommandation. En effet, en 2006, le fournisseur de films en ligne, Netflix, a offert un prix de 1 million de dollars à quiconque pourrait améliorer son algorithme de recommandation de plus de 10 %. Le prix a été dûment récupéré à peine trois ans plus tard.

Alors d'où pourraient venir les prochaines améliorations ?

Aujourd'hui, nous obtenons une sorte de réponse grâce au travail d'Amy Zhang du Massachusetts Institute of Technology de Cambridge et de quelques amis. Ces gars-là soulignent que lorsqu'il s'agit de services en ligne tels que des fournisseurs de films, plusieurs personnes partagent souvent le même compte. Cela signifie que le choix des films et les notes sur ce compte sont les choix combinés de plusieurs personnes différentes.

La question à laquelle ils ont tenté de répondre est de savoir s'il est possible d'identifier les comptes partagés simplement en étudiant les cotes qui y sont associées. Et si oui, comment les recommandations devraient-elles être modifiées en réponse ?

Ils commencent par deux ensembles de données de recommandations de films. Le premier consiste en plus de 4 millions de recommandations de 171 000 utilisateurs sur plus de 20 000 films. Cet ensemble de données contient également des informations supplémentaires sur les arrangements familiaux pour un sous-ensemble de 600 utilisateurs. Parmi ceux-ci, 272 ménages ont deux utilisateurs, 14 ont trois utilisateurs et quatre ont quatre utilisateurs. Ainsi, les recommandations de ces ménages fournissent une vérité de terrain sur les comptes partagés.

Zhang et co ont également l'ensemble de données Netflix des notes de près de 500 000 utilisateurs pour plus de 17 000 films.

Ils commencent leur analyse par un traitement mathématique de la manière de décomposer un ensemble commun de notations en ses composants. La tâche consiste essentiellement à trouver un certain nombre de groupes cohérents de recommandations qui correspondent au nombre de personnes dans le ménage.

En pratique, cela signifie trouver des groupes de films similaires avec des notes similaires. Une technique qui s'avère importante est qu'il est possible d'attribuer quelques films à différents utilisateurs avec une grande confiance. Par exemple, les films Toy Story, Monsters Inc et Frozen peuvent très bien avoir été regardés et évalués par une personne différente de celle d'un groupe de films comprenant Texas Chainsaw Massacre, Alien et The Exorcist.

En mathématiques, c'est ce qu'on appelle un problème de regroupement de sous-espaces et il existe plusieurs approches standard pour le résoudre. Zhang et co appliquent d'abord ces méthodes aux ensembles de données dans lesquels les ménages sont connus pour déterminer ce qui fonctionne le mieux.

Ils ont ensuite appliqué cette méthode à environ 55 000 utilisateurs de la base de données Netflix qui ont évalué plus de 500 films. Leur algorithme a étiqueté 37 000 d'entre eux comme des comptes pour une seule personne, 15 000 comme des comptes pour 2 personnes et 3 000 comme des comptes utilisés par 3 personnes ou plus.

Il n'y a aucun moyen de savoir si cette division est correcte puisque les informations de vérité terrain ne sont pas disponibles. Cependant, il est possible d'étudier ces comptes composites pour voir s'ils semblent raisonnables. Une inspection visuelle des comptes qui ont été étiquetés comme composites donne des observations intéressantes, disent Zhang et co.

Par exemple, ils ont trouvé dans de nombreux récits que des suites ou des saisons d'une même émission télévisée étaient regroupées. Ils ont également constaté qu'un utilisateur préférerait les films étiquetés comme science-fiction et fantastique tandis qu'un autre pourrait préférer les films étiquetés comme romantiques. Cela semble donner à Zhang et co l'assurance que leur algorithme est sur la bonne voie.

La dernière question est de savoir comment modifier les recommandations une fois que l'algorithme a établi que plusieurs utilisateurs partagent le même compte. La réponse est simple. Affichez simplement les meilleures recommandations pour chaque utilisateur.

C'est une approche intéressante bien qu'il ne soit pas clair à quel point ces recommandations fonctionnent mieux que les moteurs conventionnels en termes d'augmentation ou non des ventes. C'est un objectif évident pour les recherches futures.

Fait intéressant, Zhang et co soulignent que cette approche peut permettre à une seule personne d'apparaître comme un composite en incluant délibérément des notes sur des films qu'elle n'aimerait pas normalement. Modifier ou augmenter son profil d'évaluation pour apparaître comme un utilisateur composite, dans le but d'obscurcir, par exemple, son sexe, est un sujet de recherche intéressant, disent-ils.

Peut-être verrons-nous les résultats de cette recherche à un moment donné dans le futur.

Réf : arxiv.org/abs/1408.2055 : Devinez qui a évalué ce film : identifier les utilisateurs grâce au regroupement de sous-espaces

cacher