Compromis exploration-exploitation pour système de recommandation à grande échelle - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2016

Compromis exploration-exploitation pour système de recommandation à grande échelle

Abstract

Les systèmes de recommandation recommandent à des utilisateurs un ou des produits qui pourraient les intéresser. La recommandation se fonde sur les retours des utilisateurs par le passé, lors des précédentes recommandations. La recommandation est donc un problème séquentiel et le système de recommandation recommande (i) pour obtenir une bonne récompense, mais aussi (ii) pour mieux cerné l'utilisateur/les produits et ainsi obtenir de meilleures récompenses par la suite. Quelques approches récentes ciblent ce double objectif mais elles sont trop gourmandes en temps de calcul pour s'appliquer à certaines applications de la vie réelle. Dans cet article, nous présentons un système de recommandation fondé sur la factorisation de matrice et les bandits manchots. Plusieurs expériences sur de grandes base de données montrent que l'approche proposée fournit de bonnes recommendations en moins d'une milli-seconde par recommandation.
No file

Dates and versions

hal-01406439 , version 1 (01-12-2016)

Identifiers

  • HAL Id : hal-01406439 , version 1

Cite

Frédéric Guillou, Romaric Gaudel, Philippe Preux. Compromis exploration-exploitation pour système de recommandation à grande échelle. Conférence francophone sur l'Apprentissage Automatique (CAp'16), Jul 2016, Marseille, France. ⟨hal-01406439⟩
188 View
0 Download

Share

Gmail Facebook X LinkedIn More