Les syst?mes de recommandation sont des syst?mes qui font des recommandations aux utilisateurs sur la base des donn?es que les utilisateurs ont saisies dans le syst?me. Plus un utilisateur a fourni de donn?es, plus ces syst?mes peuvent ?tre pr?cis. En outre, les donn?es soumises par des utilisateurs individuels contribuent ? am?liorer le syst?me dans son ensemble, en g?n?rant des informations qui peuvent ?tre utilis?es pour faire des recommandations ? d’autres utilisateurs. Les syst?mes de recommandation sont g?n?ralement vus sur des sites tels que les sites de critiques de films et de t?l?vision et ceux qui ont un grand inventaire d’articles de vente au d?tail qui seraient fonctionnellement impossibles ? parcourir en examinant chaque article.
Ces syst?mes peuvent interagir avec les utilisateurs de diff?rentes mani?res. L’un est un service destin? aux utilisateurs qui recherchent plus de choses qui pourraient les int?resser, comme des lectures suppl?mentaires, des ?missions de t?l?vision ou des jeux vid?o. Dans ces syst?mes, l’utilisateur g?n?re une liste de « J’aime » et « Je n’aime pas » et le syst?me essaie de pr?dire comment l’utilisateur votera sur des choses sur lesquelles il ou elle n’a pas encore vot?. S’il pense que quelque chose aurait une note ?lev?e, il le sugg?re ? l’utilisateur.
Les syst?mes de recommandation bien con?us apprennent de leurs erreurs. Un syst?me peut recommander The Sound of Music parce qu’un utilisateur aime Willy Wonka et la chocolaterie. L’utilisateur peut s?lectionner des options telles que « J’aime ?a » ou « Je n’aime pas ?a ». Si l’utilisateur n’aimait pas The Sound of Music, le syst?me pourrait en prendre note et affiner davantage l’algorithme utilis? pour g?n?rer des recommandations. Plus les donn?es sont accumul?es, plus les recommandations seront utiles.
Les sites de vente au d?tail utilisent des syst?mes de recommandation pour inciter les gens ? faire des achats impulsifs. Le syst?me prend note des articles achet?s et recommande des articles connexes et utiles. Par exemple, on peut demander ? quelqu’un qui ach?te un appareil photo s’il souhaite acheter un chargeur, un ?tui pour appareil photo, des filtres et des objectifs suppl?mentaires. On pourrait dire ? quelqu’un qui ach?te un livre sur la th?orie f?ministe que d’autres acheteurs de ce titre appr?cient ?galement un autre titre connexe. Ces types de syst?mes de recommandation permettent un marketing personnalis? qui est tr?s susceptible d’attirer les utilisateurs.
Ces syst?mes reposent sur un filtrage collaboratif des donn?es, dans lequel les donn?es d’un grand nombre d’utilisateurs sont organis?es de mani?re significative. Cela permet au site d’?tablir des connexions qui ne seraient pas apparentes autrement, am?liorant ainsi la qualit? des recommandations. Les utilisateurs qui ne souhaitent pas participer peuvent g?n?ralement modifier les options de leurs param?tres utilisateur, mais ils r?duiront la qualit? des recommandations qu’ils re?oivent car le syst?me ne peut pas apprendre des pr?f?rences de l’individu, mais uniquement de l’opinion collective des autres utilisateurs.
SmartAsset.