Systèmes de recommandation dans des contextes industriels

Recommender systems in industrial contexts

• Auteur / Autrice : Frank Meyer
• Direction : Éric Gaussier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 25/01/2012
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'Informatique de Grenoble
• Jury : Président / Présidente : Isabelle Tellier
• Jury : Examinateurs / Examinatrices : Éric Gaussier, Fabrice Clerot, Nathalie Denos, Pierre Vacher, Jean Sulem, Jean Hugonnard
• Jury : Rapporteurs / Rapporteuses : Anne Boyer, Marc El-beze, Agnes Delmas

Mots clés

Mots clés libres

Filtrage collaboratif

Filtrage par le contenu

Système de recommandation

Contexte industriel

Evaluation des systèmes de recommandation

Hybridation switch-based

Collaborative Filtering

Content based filtering

Système de recommandation

Industrial context

Evaluation of recommender systems

Switch-based hybrid systems

Résumé

Cette thèse traite des systèmes de recommandation automatiques. Les moteurs de recommandation automatique sont des systèmes qui permettent, par des techniques de data mining, de recommander automatiquement à des clients, en fonction de leurs consommations passées, des produits susceptibles de les intéresser. Ces systèmes permettent par exemple d'augmenter les ventes sur des sites web marchands : le site Amazon a une stratégie marketing en grande partie basée sur la recommandation automatique. Amazon a popularisé l'usage de la recommandation automatique par la célèbre fonction de recommandation que nous qualifions d'item-to-items, le fameux : " les personnes qui ont vu/acheté cet articles ont aussi vu/acheté ces articles. La contribution centrale de cette thèse est d'analyser les systèmes de recommandation automatiques dans le contexte industriel, et notamment des besoins marketing, et de croiser cette analyse avec les travaux académiques.

This thesis deals with automatic recommendation systems. Automatic recommendation systems are systems that allow, through data mining techniques, to recommend automatically to users, based on their past consumption, items that may interest them. These systems allow for example to increase sales on e-commerce websites: the Amazon site has a marketing strategy based mainly on the recommendation. Amazon has popularized the use of automatic recommendation based on the recommendation function that we call item-to-items, the famous "people who have seen / bought this product have also seen / bought these articles". The central contribution of this thesis is to analyze the automatic recommendation systems in the industrial context, including marketing needs, and to cross this analysis with academic works.