1. Des maths et des recommandations
Loïc Knuchel
@loicknuchel

2. Loïc Knuchel
Développeur freelance
Entrepreneur
Social
http://loic.knuchel.org/blog/
@loicknuchel

6. Filtrage collaboratif

9. Similarité entre utilisateurs

10. Similarité entre utilisateurs

11. Similarité entre utilisateurs

12. Similarité entre utilisateurs

13. Similarité entre utilisateurs

14. Similarité entre objets

15. Similarité entre objets

16. Similarité entre objets

17. Similarité entre objets

21. Quels objectifs
● Probabilité d’achat
● Prédiction de note
● Top 10

22. Exemple

23. Naïvement
: prédiction de note pour le film f
: note donnée par l’utilisateur i au film f
: pour les utilisateurs ayant noté le film

24. Personnaliser
: prédiction pour le film f et l’utilisateur u
: similarité entre les utilisateurs u et i

25. Calculer la similarité

26. Calculer la similarité (Pearson)
: note moyenne de l’utilisateur u1
: écart type des notes de l’utilisateur u1
: somme pour tous les films notés par u1 et u2

27. Calculer la similarité (Pearson)
: note moyenne de l’utilisateur u1
: écart type des notes de l’utilisateur u1
: somme pour tous les films notés par u1 et u2

28. Autres similarités
Voisinage :
Cosinus :

29. Normaliser les notes

30. Normaliser les notes

31. Normaliser les notes

38. Tester en pratique :
https://github.com/
loicknuchel/
movie-recommender