Skip to content
Retour aux résultats

Filtrage collaboratif

Introduite par
GroupLens; Sarwar et al. (item-based); Koren et al. (matrix factorization)
Année
2001
Type
Recommendation from user-item interactions
Famille
Recommender systems

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

Le filtrage collaboratif recommande des articles à un utilisateur en exploitant les préférences de nombreux utilisateurs — « les personnes qui ont aimé ce que vous avez aimé ont aussi aimé ceci ».

Il apprend à partir d'une matrice d'interaction utilisateur-article clairsemée, soit en trouvant des utilisateurs ou des articles similaires (méthodes de voisinage, formalisées par Sarwar et al. en 2001), soit en factorisant la matrice en facteurs latents d'utilisateur et d'article (factorisation matricielle, popularisée par Koren et al. après le Netflix Prize).

L’intuition derrière la méthode

Il n'est pas nécessaire de connaître le contenu d'un article pour le recommander — seulement la manière dont les gens ont interagi avec lui. Le filtrage collaboratif exploite des motifs dans une table géante, majoritairement vide, des utilisateurs par rapport aux articles : si deux utilisateurs ont évalué de nombreux films de manière similaire, les favoris non vus de l'un sont de bonnes pistes pour l'autre (basé sur l'utilisateur) ; si deux articles sont évalués de manière similaire par les utilisateurs, aimer l'un prédit d'aimer l'autre (basé sur l'article). La factorisation matricielle va plus loin, expliquant chaque évaluation comme le produit scalaire d'un court vecteur de « goût » pour l'utilisateur et d'un vecteur de « profil » pour l'article, appris pour reconstruire les évaluations connues et prédire celles manquantes.

Histoire

Le filtrage collaboratif est issu du projet GroupLens et de Tapestry dans les années 1990. Sarwar, Karypis, Konstan et Riedl (2001) ont formalisé le filtrage collaboratif basé sur les articles à grande échelle, et le Netflix Prize de 2006-2009 a stimulé les méthodes de factorisation matricielle à facteurs latents, résumées dans l'article influent de Koren, Bell et Volinsky de 2009. Le domaine s'est depuis étendu à la rétroaction implicite, aux modèles hybrides contenu-collaboratif et aux systèmes de recommandation par apprentissage profond, mais le filtrage collaboratif de voisinage et de factorisation matricielle restent les techniques fondamentales.

Quand l’utiliser

Utilisez le filtrage collaboratif pour construire des recommandations à partir de données d'interaction uniquement — e-commerce, streaming, actualités et plateformes de contenu — lorsque vous avez suffisamment d'utilisateurs et d'interactions pour révéler des motifs partagés et que vous ne voulez pas dépendre du contenu des articles. Les méthodes de voisinage sont simples et interprétables (« parce que vous avez aimé X ») ; la factorisation matricielle s'adapte mieux, gère la parcimonie et prédit généralement plus précisément. Principales limitations : le problème du démarrage à froid (les nouveaux utilisateurs/articles sans interactions ne peuvent pas être placés), la parcimonie et le biais de popularité, et la nécessité de données d'interaction substantielles. Le filtrage collaboratif pur ignore les attributs article/utilisateur, il est donc souvent combiné avec des caractéristiques de contenu dans des systèmes de recommandation hybrides ; les systèmes de recommandation à rétroaction implicite et à apprentissage profond étendent la même idée. Il est étroitement lié à la complétion matricielle et à la NMF.

Limites et points d’attention

  • Démarrage à froid : ne peut pas recommander pour les nouveaux utilisateurs ou articles sans interactions.
  • Sensible à la parcimonie et biaisé envers les articles populaires.
  • Ignore les attributs article/utilisateur (contenu), contrairement aux approches hybrides.
  • Nécessite des données d'interaction substantielles pour bien fonctionner.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Ne nécessite que des données d'interaction — aucun contenu d'article ou ingénierie de caractéristiques.
  • Capture des motifs de goût subtils et difficiles à articuler de la foule.
  • La factorisation matricielle s'adapte aux grandes matrices clairsemées et prédit avec précision.
  • Les méthodes de voisinage fournissent des explications interprétables « parce que vous avez aimé… ».

Applications

  • Recommandations de produits dans le commerce électronique.
  • Recommandations de films, de musique et de vidéos sur les plateformes de streaming.
  • Personnalisation des actualités et du contenu.
  • Suggestions d'amis/connexions dans les réseaux sociaux.
  • Fonctionnalités de vente croisée et « les clients ont aussi acheté ».

Comment ça marche

Comment ça marche

1

L'entrée est une matrice utilisateur-article d'évaluations ou d'interactions implicites (clics, achats). Elle est extrêmement clairsemée — la plupart des entrées sont inconnues — et la tâche consiste à prédire les entrées manquantes (comment un utilisateur évaluerait/aimerait un article non vu) afin que les meilleures prédictions puissent être recommandées.

Formule
R \in \mathbb{R}^{u\times i}\ \text{(ratings/interactions, mostly missing)}
2

Les méthodes de voisinage calculent la similarité entre les utilisateurs (ou entre les articles) à partir de leurs évaluations communes, typiquement la similarité cosinus ou la corrélation de Pearson. Une similarité élevée signifie que deux utilisateurs partagent les mêmes goûts, ou que deux articles attirent les mêmes publics ; ces similarités pilotent les prédictions.

Formule
\text{sim}(a,b) = \dfrac{\sum_k r_{ak} r_{bk}}{\sqrt{\sum r_{ak}^2}\sqrt{\sum r_{bk}^2}}\ (\text{cosine / Pearson})
3

Le filtrage collaboratif basé sur les articles prédit l'évaluation d'un utilisateur pour un article comme une moyenne pondérée par la similarité des évaluations de cet utilisateur sur des articles similaires (le filtrage basé sur les utilisateurs fait la même chose sur des utilisateurs similaires). Le filtrage basé sur les articles est généralement préféré à grande échelle car les similarités article-article sont plus stables et précalculables.

Formule
\hat r_{ui} = \dfrac{\sum_{j\in N(i)} \text{sim}(i,j)\, r_{uj}}{\sum_{j\in N(i)} |\text{sim}(i,j)|}
4

Les modèles à facteurs latents factorisent la matrice d'évaluation en matrices utilisateur et article de rang faible, de sorte que chaque évaluation est approximée par le produit scalaire d'un vecteur de facteurs utilisateur et d'un vecteur de facteurs article. Les facteurs sont appris en minimisant l'erreur quadratique régularisée sur les évaluations observées (via SGD ou moindres carrés alternés), et ils capturent des dimensions cachées du goût, généralisant mieux et gérant bien la parcimonie.

Formule
\hat r_{ui} = p_u^\top q_i,\quad \min_{P,Q}\sum_{(u,i)\in\mathcal{K}} (r_{ui}-p_u^\top q_i)^2 + \lambda(\lVert p_u\rVert^2+\lVert q_i\rVert^2)

Pièges courants

  • Ignorer le problème du démarrage à froid lors du déploiement (les nouveaux articles n'obtiennent aucune exposition).
  • Évaluer uniquement sur l'erreur d'évaluation tout en ignorant le classement/top-N et le biais de popularité.
  • Utiliser le CF basé sur l'utilisateur à grande échelle là où le CF basé sur l'article ou la factorisation est beaucoup plus efficace.
  • Laisser fuir les interactions futures dans l'entraînement lors de la division des données (doit diviser par le temps).

Questions fréquentes

Quelle est la différence entre le filtrage collaboratif basé sur l'utilisateur et celui basé sur l'article ?

Le CF basé sur l'utilisateur recommande des articles aimés par des utilisateurs similaires à vous ; le CF basé sur l'article recommande des articles similaires (dans la façon dont les utilisateurs les ont évalués) à ceux que vous avez déjà aimés. Le CF basé sur l'article est généralement préféré à grande échelle car les similarités article-article sont plus stables dans le temps et peuvent être précalculées hors ligne.

Comment la factorisation matricielle améliore-t-elle les méthodes de voisinage ?

Elle représente les utilisateurs et les articles par de courts vecteurs de facteurs latents appris à partir des données, de sorte que chaque évaluation est leur produit scalaire. Cela capture des dimensions de goût cachées, gère mieux la parcimonie, généralise au-delà des voisins directs et prédit généralement plus précisément — c'est pourquoi elle a dominé les solutions du Netflix Prize.

Qu'est-ce que le problème du démarrage à froid ?

Le filtrage collaboratif repose sur les interactions passées, il ne peut donc pas faire de bonnes recommandations pour les tout nouveaux utilisateurs ou les articles qui n'en ont aucune. Les remèdes incluent la demande de préférences initiales, le recours à la popularité ou l'hybridation avec des fonctionnalités basées sur le contenu qui ne nécessitent pas d'historique d'interaction.

Méthodes associées

Sources

  1. Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. Proceedings of the 10th International Conference on World Wide Web, 285–295.

    Ouvrir la référence DOI
    Copié.
  2. Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37.

    Ouvrir la référence DOI
    Copié.