6J'étudie l'évaluation des systèmes de recommandation et des algorithmes d'apprentissage automatique ces derniers temps, en essayant de définir un cadre pour mes recherches de maîtrise. Après quelques temps de lecture je commence à comprendre plusieurs notions, mais une chose n'était pas claire pour moi Les systèmes de recommandation utilisent-ils nécessairement des algorithmes de machine learning ? Je veux dire, je sais que ces deux éléments peuvent être combinés, mais dans la plupart des articles que j'ai lus sur l'évaluation des systèmes de recommandation, ils ne mentionnent même rien sur l'apprentissage automatique. Aussi, si vous pouvez suggérer des articles que je peux lire, je vous serais très reconnaissant 2 Réponses2Solution8Il n'y a rien dans un système de recommandation qui nécessite absolument une sorte d'apprentissage automatique. En effet, j'ai vu des systèmes de décision utilisés qui n'étaient essentiellement que l'idée de quelqu'un sur ce que devraient être les préférences du client. Un recommandateur peut être basé sur n'importe quoi, de quelques règles ad hoc de "bon sens", à une régression logistique que quelqu'un a faite sur certaines données il y a quelques années et dont les paramètres sont codés en dur dans le système, à un ensemble complexe d'algorithmes d'apprentissage automatique. qui sont régulièrement et constamment formés sur les nouvelles données. L'utilisation de l'apprentissage automatique pour les systèmes de recommandation est en partie motivée par la nécessité, en partie par la mode du moins d'après ce que j'ai vu. Si un simple outil de recommandation fonctionne bien et prédit avec précision ce que veut l'utilisateur, il n'est pas nécessaire qu'une machine apprenne quoi que ce soit. S'il y a une énorme quantité de données, cachant des relations très profondes que les humains sont incapables de détecter, c'est là que l'apprentissage automatique devient utile. 1Le système de recommandation est un terme large pour décrire tout, d'une affiche "en cas d'incendie.. " aux systèmes basés sur le ML qui évoluent en permanence au fil du temps. Un système de recommandation simple consiste à Base de données de connaissances représentant une certaine sagesse qui sera utilisée pour faire de nouvelles recommandations. Cette base de données peut être créée à partir de données historiques, d'un modèle, ou simplement inventée. Moteur de recommandation - une sorte de logique qui prend des entrées, les exécute avec la base de données de connaissances et produit une recommandation. Il peut s'agir d'instructions simples, par exemple avant de traverser une rue, regardez à gauche, puis à droite. Il peut également s'agir d'un arbre de décision aidant à identifier le meilleur plan d'action, ou d'un classificateur ML formé. Il peut également s'agir d'un réseau de neurones génératif qui prend les entrées de l'utilisateur et génère de nouvelles choses. Par exemple, prédit du texte au fur et à mesure que l'utilisateur tape ou suggère d'autres livres en fonction d'achats récents. Un autre terme pour un système de recommandation est un système expert. L'apogée de ces systèmes était les années quatre-vingt et quatre-vingt-dix. Je vous suggère de rechercher des papiers et des livres plus anciens. De nos jours, l'apprentissage automatique est à la mode et souvent utilisé là où un simple arbre de décision suffirait.