Modéliser la diversité au cours du temps pour détecter le contexte dans un service de musique en ligne

Amaury L'Huillier 1 Sylvain Castagnos 1 Anne Boyer 1
1 KIWI - Knowledge Information and Web Intelligence
LORIA - AIS - Department of Complex Systems, Artificial Intelligence & Robotics
Résumé : De nombreuses études ont démontré que la prise en compte du contexte améliore la qualité des systèmes de recommandation. Cependant, les méthodes traditionnelles permettent d'inférer le contexte à l'aide de données personnelles (localisation, date, âge, etc.). Dans ce papier, nous proposons de détecter automatiquement les changements de contexte, sans connaissance sur les utilisateurs (contexte explicite), mais en fonction des caractéristiques communes aux items consultés (contexte implicite). Pour ce faire, nous proposons un modèle formel capable d'établir une correspondance entre les variations de diversité au cours du temps dans les parcours des utilisateurs et les changements de contexte. Ce modèle a été testé sur un corpus musical de plus de 200.000 écoutes. Pour valider la pertinence de notre modèle, nous avons cherché à retrouver des événements à partir des changements de contexte détectés : notre modèle a ainsi permis de retrouver 88% des fins de sessions.
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série TSI : Technique et Science Informatiques, Lavoisier, 2016
Liste complète des métadonnées

Littérature citée [60 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01300419
Contributeur : Sylvain Castagnos <>
Soumis le : lundi 2 mai 2016 - 15:49:51
Dernière modification le : jeudi 11 janvier 2018 - 06:25:24
Document(s) archivé(s) le : mardi 24 mai 2016 - 16:45:58

Fichiers

LHuillierCastagnosBoyer-TSI201...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01300419, version 1

Collections

Citation

Amaury L'Huillier, Sylvain Castagnos, Anne Boyer. Modéliser la diversité au cours du temps pour détecter le contexte dans un service de musique en ligne. Revue des Sciences et Technologies de l'Information - Série TSI : Technique et Science Informatiques, Lavoisier, 2016. 〈hal-01300419〉

Partager

Métriques

Consultations de la notice

171

Téléchargements de fichiers

17