Téléchargé 17 fois
Téléchargé parLoïc Knuchel
Des maths et des recommandations - Devoxx 2014
Loïc Knuchel décrit des méthodes de filtrage collaboratif pour améliorer les recommandations de films, basées sur la similarité entre utilisateurs et objets. Il détaille comment calculer la similarité à l'aide de coefficients comme Pearson et Cosinus. Le document inclut également un lien vers un projet pratique de recommandation de films sur GitHub.
Des maths et des recommandations - Devoxx 2014
- 1. Des maths etdes recommandations Loïc Knuchel @loicknuchel
- 2.
- 6.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 21. Quels objectifs ● Probabilitéd’achat ● Prédiction de note ● Top 10
- 22.
- 23. Naïvement : prédiction denote pour le film f : note donnée par l’utilisateur i au film f : pour les utilisateurs ayant noté le film
- 24. Personnaliser : prédiction pourle film f et l’utilisateur u : similarité entre les utilisateurs u et i
- 25.
- 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.
- 29.
- 30.
- 31.
- 38. Tester en pratique: https://github.com/ loicknuchel/ movie-recommender