Leveraging User Libraries to Bootstrap Collaborative Filtering
Nous introduisons un nouveau modèle graphique, le modèle de partition de sujet collaboratif (CSTM), pour des recommandations personnelles de documents textuels. La principale nouveauté du CSTM réside dans son modèle appris de bibliothèques individuelles, ou ensembles de documents, associés à chaque utilisateur. Globalement, CSTM est un modèle probabiliste dirigé conjointement de scores (notes) d’éléments utilisateur et d’informations textuelles dans les bibliothèques utilisateur et les éléments. La création d’une description générative des partitions et du texte permet au CSTM de fonctionner correctement dans une grande variété de régimes de données, combinant en douceur les informations secondaires avec les notations observées car le nombre de notations disponibles pour un utilisateur donné varie de zéro à plusieurs. Des expériences sur des ensembles de données du monde réel démontrent les performances du CSTM. Nous démontrons en outre son utilité dans une application de recommandations personnelles d’affiches que nous avons déployée à la conférence NIPS 2013.
Reference
Laurent Charlin, Richard S. Zemel, and Hugo Larochelle, Leveraging user libraries to bootstrap collaborative filtering, in: Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD), ACM, New York, NY, USA, 2014