Représentations Gaussiennes pour le Filtrage Collaboratif - Sorbonne Université Access content directly
Conference Papers Year : 2018

Représentations Gaussiennes pour le Filtrage Collaboratif

Hadrien Titeux
  • Function : Author
Benjamin Piwowarski
Patrick Gallinari

Abstract

La plupart des systèmes de filtrage collaboratifs, comme par exemple la factorisation matricielle, utilisent des représentations vectorielles pour les articles et les utilisateurs. Ces représentations sont déterministes, et ne permettent pas de modéliser l'incertitude des représentations apprises, ce qui peut être utile quand un utilisateur a évalué un petit nombre d'articles (problème du démarrage à froid), ou quand le modèle est confronté à des informations contradictoires concernant le comportement d'un utilisateur ou les évaluations d'un utilisateur. Dans cet article, nous nous appuyons sur des représentations gaussiennes qui modélisent cette incertitude, et définissons un cadre d'apprentissage et d'inférence approprié à ce type de représentations. Nous montrons en outre que ce modèle fonctionne bien sur trois collections représentatives, et analysons les représentations apprises par le modèle.
No file

Dates and versions

hal-02074930 , version 1 (21-03-2019)

Identifiers

Cite

Hadrien Titeux, Benjamin Piwowarski, Patrick Gallinari. Représentations Gaussiennes pour le Filtrage Collaboratif. 15ème COnférence en Recherche d'Informations et Applications - CORIA 2018, May 2018, Rennes, France. ⟨10.24348/coria.2018.paper31⟩. ⟨hal-02074930⟩
69 View
0 Download

Altmetric

Share

Gmail Facebook X LinkedIn More