Problèmes de recherche des systèmes de recommandation – 1ère partie
Les systèmes de recommandation sont nés de la volonté de pallier le problème de surcharge d’information du web et certaines contraintes auxquelles se heurtent les outils existants de recherche d’informations. Combinant des techniques de filtrage d’information, personnalisation, intelligence artificielle, réseaux sociaux et interaction personne-machine, les systèmes de recommandation fournissent à des utilisateurs des suggestions qui répondent à leurs besoins et préférences informationnels. En effet, les systèmes de recommandation sont particulièrement sollicités dans les applications de commerce électronique. Par exemple, Amazon recommande toutes sortes de produits (films, musiques, livres, etc.) ; Netflix, Moviecritics, et Cinemax suggèrent des films ; TiVo recommande des émissions de télévision ; iTunes, Last.fm, Pandora et Rhapsody proposent de la musique ; Trabble conseille des restaurants ; Expedia et Travelocity recommandent des voyages ; CNN suggère des nouvelles ; Jester propose des blagues ; Google recommande des pages web [1].
Malgré leur popularité croissante, les systèmes de recommandation ont subi quelques ratés. L’exemple le plus révélateur est l’article anecdotique du Wall Street Journal intitulé « If TiVo Thinks You Are Gay, Here’s How to Set It Straight ». Cet article décrit Continuer la lecture
Finalement un système de recommandation pour flux RSS
Dernièrement, NewsGator Technologies a annoncé qu’elle a inclus un système de recommandation dans son lecteur RSS. Ce système assiste les utilisateurs dans leurs recherches, les rendant à la fois plus personnalisées et plus optimales. Cette technique de personnalisation, basée sur la technologie de filtrage collaboratif Continuer la lecture