Filtrage collaboratif article par article vs analyse du panier de consommation
Réponses:
@Antimony a donné une réponse parfaite. Je voulais juste ajouter une théorie qui m'a aidé à comprendre la différence entre le filtrage collaboratif article-article et l'analyse du panier de marché; ainsi que les applications de ces deux méthodes.
La famille d'algorithmes utilisée pour effectuer l'analyse du panier de marché est appelée règles d'association. L'analyse du panier (ou règles d'association) et le filtrage collaboratif répondent à des questions fondamentalement différentes. Le filtrage collaboratif peut répondre à une question "Quels sont les éléments que les utilisateurs ayant des intérêts similaires au vôtre aiment?" (Fig. 1), alors que les règles d'association répondent à une question «Quels éléments apparaissent fréquemment ensemble?» La réponse à la première question peut être utilisée pour vous recommander des produits, des vidéos, des restaurants, des hôtels ou tout autre contenu que vous n'avez pas vu auparavant mais qui ont été évalués par un groupe d'autres utilisateurs ayant des intérêts similaires aux vôtres. La similitude des intérêts peut être estimée à partir d'indicateurs explicites, par exemple, vous et un groupe d'autres utilisateurs avez donné les mêmes notes aux mêmes produits, ou des indicateurs implicites, par exemple, vous et ils ont acheté les mêmes produits. Le filtrage collaboratif est largementutilisé pour la construction de systèmes de recommandation . Cependant, le filtrage collaboratif est plus efficace lorsqu'il existe un riche historique de préférences ou de comportements des utilisateurs. Dans l'intervalle, les règles d'association peuvent vous recommander des produits que vous achèterez très probablement sur la base d'un ensemble de produits qui sont actuellement dans votre panier (Fig.2). Par exemple, si vous achetez un hamburger et des frites, vous voudrez probablement du soda; ou un exemple très célèbre, ceux qui achètent des couches ont également tendance à acheter une bière. Les règles d'association sont indépendantes des profils de préférences personnelles et pour les explorer, vous avez besoin d'un ensemble de données de transactions de tous les utilisateurs. Les règles d'association et l'analyse du panier de consommation sont généralement utilisées comme outil exploratoire pour extraire un nombre limité de règles les plus courantes qui peuvent ensuite être analysées par un être humain. Cependant, les règles d'association peuvent également être utilisées pour créer des systèmes de recommandation .
Fig. 1. L'illustration du filtrage collaboratif. Source - Wikipedia
Fig 2. Une illustration simple des règles d'association.
Une excellente question! Une différence insignifiante à laquelle je peux penser est que l'analyse du panier de marché (MB) considère chaque panier séparément. Donc, si vous achetez les mêmes articles une fois par mois, chaque fois, cela constitue un panier différent, et il contient probablement également des articles différents à chaque fois. Cependant, le filtrage collaboratif (CF) considère les paniers agrégés par utilisateur. Donc, peu importe le nombre de fois où vous achetez de la bière et des couches, cela compte toujours comme un vote pour la bière et un vote pour les couches.
Les autres différences sont plus techniques, comme ce que vous mesurez pour chacune. En MB, vous vous souciez des valeurs de soutien et de confiance et en CF, vous vous souciez d'une mesure de similitude telle que la similitude en cosinus. Il s'agit d'une mesure symétrique. La similitude entre la bière et les couches est la même que la similitude entre les couches et la bière, mais ce n'est pas le cas pour le soutien / la confiance.
Sur le plan conceptuel, il est possible pour CF de trouver des similitudes plus indirectes, comme si vous achetez l'article 1, et il constate que l'article 2 est acheté avec lui, et que les articles 3 et 4 sont similaires à l'article 2. Ensuite, il peut les recommander même s'ils ne sont pas achetés avec l'article 1, mais aussi avec l'article 2.