Passer au contenu

Le filtrage collaboratif, mécanisme de base de la personnalisation implicite

La personnalisation est la “nouvelle frontière” du Web. Comment y parvenir sans trop de mal? Le filtrage collaboratif, ou collaborative filtering, fournit des mécanismes pour créer automatiquement des communautés de profils utilisateurs fondées sur leurs préférences explicites ou implicites.

On retrouve ce procédé dans les activités liées à la vente de produits culturels (musique, cinéma, ou livres). Un site proposant des livres suggèrera à un visiteur un ouvrage en fonction des renseignements recueillis sur cet internaute bien particulier et sur les autres utilisateurs du site ayant des centres d’intérêt similaires ou très proches. Il s’agit de proposer à un internaute une liste de suggestions du type : “les clients s’intéressant à ce sujet ont également acheté tel et tel produit“.Sur les sites d’e-commerce, les offres de collaborative filtering ont pour but de deviner précisément les préférences d’achat des clients pendant qu’ils font leur shopping. Dans un premier temps, l’objectif est de recueillir un maximum d’informations sur chaque visiteur. Ce processus d’acquisition, souvent long, peut être implémenté par différents moyens et concerner tout type de données (explicites, héritées de transaction, comportementales ou démographiques).De l’ensemble des informations obtenues implicitement sur un visiteur sera déduit un profil. L’analyse des profils amènera à la création automatique des communautés par le moteur de filtrage. Le collaborative filtering utilise donc les connaissances et l’expérience des visiteurs pour réaliser des prédictions sur les préférences individuelles de chacun. Ce processus fait appel à des méthodes statistiques de corrélations entre les préférences des utilisateurs.Le site pourra ainsi, par la suite, fournir des recommandations à des visiteurs similaires. Ce système statistique est d’autant plus performant que la masse d’informations et de visiteurs est importante. Pour des résultats réellement pertinents, la mise en place de ce type d’agent doit s’accompagner d’une phase de rodage. Le moteur ” tourne à vide “, c’est à dire sans produire de résultats, afin d’amasser une base statistique suffisante (estimée autour de 250 000 profils). A l’issue de ce rodage, on pourra utiliser et afficher les recommandations de l’agent de filtrage collaboratif.
On comprend, à travers ces contraintes, que la mise en place d’agents de filtrage collaboratif ne sera pas une simple formalité.

🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.


Alain Lefebvre, vice-président du groupe SQLI