Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Systèmes de recommandations et Données environnementales NEGRE Elsa Université

Systèmes de recommandations et Données environnementales NEGRE Elsa Université Paris-Dauphine Elsa.Negre@lamsade.dauphine.fr NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 2/46 Plan Qu’est ce qu’un système de recommandations ? Les méthodes les plus utilisées Les améliorations possibles Un petit mot sur l’évaluation Applications Gestion de crises - Systèmes d’alertes précoces Smart Cities Ailleurs… Conclusion et perspectives 3/46 Un système de recommandation – Quèsaco?  Un système de recommandation (RS) aide les utilisateurs qui n'ont pas suffisamment d'expérience ou la compétence nécessaire pour évaluer le nombre, potentiellement important, d’alternatives offertes par un site (web).  Dans leur forme la plus simple les RS  recommandent à leurs utilisateurs des listes personnalisées et classées d'articles  fournissent aux consommateurs des renseignements pour les aider à décider quels articles acheter  Les articles peuvent être :  musique, livres, films, …  De manière générale, on parle d’items NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 4/46 Définition [Hill+:CHI’95] : Soit C : ensemble de tous les utilisateurs S : ensemble de tous les articles possibles u : fonction d’utilité d’un article s à l’utilisateur c  Alors, choisir l’article s’ non encore évalué de S qui maximise l’utilité de chaque utilisateur c de C Un système de recommandation – Quèsaco? (2) Problématique : estimation de scores pour des articles non encore évalués NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 5/46 U(c,s) Bridget Jones Baby Jack Reacher 2 7 Mercenaries Jack Reacher 1 Bridget Jones Diary The Good, the Bad and the Ugly Elsa    Zahra    Dario   Elsa     NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 6/46 Plan Qu’est ce qu’un système de recommandations ? Les méthodes les plus utilisées Les améliorations possibles Un petit mot sur l’évaluation Applications Gestion de crises - Systèmes d’alertes précoces Smart Cities Ailleurs… Conclusion et perspectives NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Collaborative: "Dites-moi ce qui est populaire parmi mes pairs" Les méthodes les plus utilisées (1) Idée : Essayer de prédire l'opinion de l'utilisateur qu’il aura sur les différents items et être en mesure de recommander le «meilleur» item à chaque utilisateur en fonction des goûts/avis précédents de l'utilisateur et des avis d'autres utilisateurs qui lui sont semblables . NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Content-based: “Montrez-moi plus que ce qui ressemble à ce que j’ai aimé" Les méthodes les plus utilisées (2) Idée : fait coïncider le profil de l’item avec le profil de l’utilisateur pour décider de sa pertinence pour l’utilisateur. Le profil de l’utilisateur est basé sur les items que l’utilisateur a aimé dans le passé ou sur les intérêts qu’il a explicitement définis. NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Avantages Inconvénients Utilise des recommandations d’autres utilisateurs (score) pour évaluer l’utilité des items Plus il y a d’utilisateurs, plus il y a de scores : meilleurs sont les résultats Trouver des utilisateurs ou groupes d’utilisateurs similaires est difficile Cold start problem Nouvel utilisateur = Pas de préférences Nouvel item = Pas de score Faible densité de la matrice utilisateur/score Portfolio Effect: Non Diversity Problem Le profil des utilisateurs est la clé Le matching entre les préférences de l'utilisateur et les caractéristiques des items fonctionne aussi pour les données textuelles Pas besoin de données sur les autres utilisateurs. Pas de problème de faible densité Possibilité de faire des recommandations à des utilisateurs avec des goûts « uniques ». Possibilité de recommander de nouveaux items ou même des items qui ne sont pas populaires Tous les contenus ne peuvent pas être représentés avec des mots-clés Les utilisateurs avec des milliers d'achats/items sont un problème Nouvel utilisateur : pas d’historique ← Cold-start problem Les profils utilisateurs… Entièrement basé sur les scores d’articles et de sujets d'intérêt: moins il y a de scores, plus l’ensemble de recommandations possibles est limité. Impossible d’exploiter les jugements des autres utilisateurs 9/46 Approches collaboratives Approches basées sur le contenu NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 10/46 Hybrid: combinaisons de différentes entrées et/ou composition de différents mécanismes Les méthodes les plus utilisées (3) NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 11/46 Plan Qu’est ce qu’un système de recommandations ? Les méthodes les plus utilisées Les améliorations possibles Un petit mot sur l’évaluation Applications Gestion de crises - Systèmes d’alertes précoces Smart Cities Ailleurs… Conclusion et perspectives NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Améliorations - Contextualisation Plus de 150 définitions différentes du contexte existent dans différents domaines… Définition de contexte la plus acceptée en context- aware computing: “Context is any information that can be used to characterize the situation of an entity. An entity is a person, place, or object that is considered relevant to the interaction between a user and an application, including the user and applications themselves” (Dey, 2001) “A system is context-aware if it uses context to provide relevant information and/or services to the user, where relevancy depends on the user's task”. (Dey, 2001) 12/46 NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Contexte 13/46 Ressources (matériel, outils, …) Préférences Informations environnementales (météo, bruits et lumière ambiants, …) Informations sociales (amis, collègues, …) Identité Informations temporelles et spatiales Activité Mesures physiologiques … Obtenir le contexte? Pertinence du contexte? NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC CARS (1) Systèmes de recommandation = aider à réduire la surcharge d’information Approche complémentaire intéressante = intégrer les informations/données contextuelles Systèmes de recommandation contextuels (CARS) qui doivent générer des recommandations plus pertinentes en s’adaptant à un contexte spécifique de l’utilisateur. 14/46 NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Modélisation du contexte 15/46 Différentes approches pour modéliser le contexte [Hericko et al. 2012]: key-value, markup scheme, graphs, object-oriented models, logic-based models, ontologies, ... 1 5 M. Hericko, I. Rozman, et al. Taxonomy of context-aware systems. Elektrotehniski Vestnik, 79(1/2):41, 2012. hasHusband(person) = Ǝe | ismarried(person, e) person interaction media modal social physical context year month environm ental temporal spatial user job seeker gender age nomber of childs widowed divorced single married marital status familial situation natural disaster season country city longitude latitude special situation economi c crisis war has_context has_gender has_age female male child has_child Name: Elsa, Date: 2016/10/22, Available movies: {Bridget Jones Baby; Jack Reacher 2; 7 Mercenaries} … NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC CARS (2) 16/46 Source : Adomavicius & Tuzhilin, 2010 NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 17/46 Plan Qu’est ce qu’un système de recommandations ? Les méthodes les plus utilisées Les améliorations possibles Un petit mot sur l’évaluation Applications Gestion de crises - Systèmes d’alertes précoces Smart Cities Ailleurs… Conclusion et perspectives NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 18/46 Evaluation des systèmes de recommandation Mean Absolute Error (MAE) calcule l’écart entre les scores prédits et les scores réels. Root Mean Square Error (RMSE) , similaire à la MAE, mais met l’accent sur les plus grands écarts Rappel et précision Le « rank score » est défini comme le rapport entre le score des items corrects et le meilleur score théorique réalisable pour l'utilisateur … NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC 19/46 Plan Qu’est ce qu’un système de recommandations ? Les méthodes les plus utilisées Les améliorations possibles Un petit mot sur l’évaluation Applications Gestion de crises - Systèmes d’alertes précoces Smart Cities Ailleurs… Conclusion et perspectives NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Gestion de crises La gestion de crise est l'ensemble des modes d'organisation, des techniques et des moyens qui permettent à une organisation de se préparer et de faire face à la survenance d'une crise puis de tirer les enseignements de l'évènement pour améliorer les procédures et les structures dans une vision prospective. Crise : risque pandémique, maladie émergente, crise sociale, crise économique, crise politique/géopolitique, catastrophe naturelle, conflits, … 20/46 NEGRE Elsa - Systèmes de recommandations et Données environnementales - 02/12/2016 – Journée ADOC Système d’alerte précoce (EWS) Un système d’alertes précoces peut être défini comme une chaîne de systèmes de communication d’information comprenant des capteurs, de la détection, de la décision et des sous-systèmes transitoires, dans cet ordre, qui travaillent en collaboration, pour prévenir et signaler des perturbations affectant négativement la stabilité du monde physique ; et qui donnent suffisamment de temps au système de réponse pour préparer les ressources et les mesures d’intervention (actions) pour minimiser l’impact sur la stabilité du monde physique. (Waidyanatha, 2010) 21/46 NEGRE uploads/Politique/ systeme-de-recommandations.pdf