Filtrage Collaboratif Hybride avec des Auto-encodeurs - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2016

Filtrage Collaboratif Hybride avec des Auto-encodeurs

Résumé

Le filtrage collaboratif (CF) exploite les retours des utilisateurs pour leur fournir des recommandations personnalisées. Lorsque ces algorithmes ont accès à des informations complémentaires, ils ont de meilleurs résultats et gèrent plus efficacement le démarrage à froid. Bien que les réseaux de neurones (NN) remportent de nombreux succès en traitement d'images, ils ont reçu beaucoup moins d'attention dans la communauté du CF. C'est d'autant plus surprenant que les NN apprennent comme les algorithme de CF une représentation latente des données. Dans cet article, nous introduisons une architecture de NN adaptée au CF (nommée CFN) qui prend en compte la parcimonie des données et les informations complémentaires. Nous montrons empiriquement sur les bases de données MovieLens et Douban que CFN bât l'état de l'art et profite des informations complémentaires. Nous fournissons une implémentation de l'algorithme sous forme d'un plugin pour Torch.
Fichier non déposé

Dates et versions

hal-01406432 , version 1 (01-12-2016)

Identifiants

  • HAL Id : hal-01406432 , version 1

Citer

Florian Strub, Jérémie Mary, Romaric Gaudel. Filtrage Collaboratif Hybride avec des Auto-encodeurs. Conférence francophone sur l'Apprentissage Automatique (CAp'16), Jul 2016, Marseille, France. ⟨hal-01406432⟩
113 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More