2. Plan
2
• Le moteur de recommandation est au cœur du
développement de YouScribe en 2014
!
• Roadmap de développement du moteur de
recommandation
!
• Approche sémantique des textes
!
• Mesure de similarité entre les utilisateurs
!
• Demande explicite des préférences de lectures
3. Revenus des éditeurs en fonction du nombre de pages
lues et des évolutions du moteur de recommandation
Avril 2014 Août Décembre Avril 2015
Nombre de pages lues Revenu mensuel des éditeurs
Pertinencedelarecommandation
3
Moteur 1
Moteur3
Moteur 2
4. Roadmap de développement du moteur de recommandation
4
1. Construire une mesure de similarité entre les livres selon leur
thème, leur type, leur style d'écriture, les métadonnées (tags), etc.!
!
!
2. À l’aide de cette mesure, construire une mesure de similarité entre
les préférences des utilisateurs, à partir de l’historique de
lectures (collaborative filtering).!
!
!
3. Affiner la mesure à l'aide d'informations explicitement acquises
auprès de l'utilisateur (questionnaire lors de l’inscription).!
7. 3. Rechercher la similarité sémantique entre les textes, et dégager
des affinités de thèmes
001101010010010010010010010110010100100101001010010101001010010100100101
001101010010010010010010010110010100100101001010010101001010010100100101
7
livre A = 011001001
livre B = 111001001
8. 8
Chaque point correspond à un document, les points proches sont
similaires et appartiennent à un topic identique
9. 9
injection
Métadonnées "
!
• Temps passé sur une page ;"
• Parcours de recherche ;"
• Age ;"
• Sexe ;"
• Géographie etc.
Système de
mesure output
II. MESURE DE SIMILARITÉ ENTRE LES UTILISATEURS
1100011
10. 10
Avez-vous aimé ce livre ?
10
III. DEMANDER EXPLICITEMENT LEURS PRÉFÉRENCES AUX
UTILISATEURS