Résumé

A ce jour, la plupart des travaux en filtrage collaboratif se basent sur la prédiction de notes pour générer des recommandations. Dans ce papier, nous choisissons d’explorer une autre voie, consistant à ordonner correctement les articles selon les goûts des utilisateurs. D’abord, nous définissons une erreur d’ordonnancement qui prend en compte les préférences par paires d’articles. Puis nous construisons un algorithme efficace qui optimise cette erreur. Enfin, nous testons notre approche sur une base standard de filtrage collaboratif. Pour cela, nous adap- tons le protocole d’évaluation initialement proposé par (Marlin, 2004a) pour la prédiction de notes à notre cas, où ce sont des préférences par paires qui sont prédites. Nous comparons nos performances avec celles de deux méthodes basées sur la prédiction de notes. Nous suggérons différentes directions pour continuer l’exploration de notre approche basée sur la prédiction d’ordres pour le filtrage collaboratif.

Abstract

Up to now, most contributions to collaborative filtering rely on rating prediction to generate the recommendations. We, instead, try to correctly rank the items according to the users’ tastes. First, we define a ranking error function which takes available pairwise prefer- ences between items into account. Then we design an effective algorithm that optimizes this er- ror. Finally we illustrate the proposal on a standard collaborative filtering dataset. We adapted the evaluation protocol proposed by (Marlin, 2004a) for rating prediction based systems to our case, where pairwise preferences are predicted instead. The preliminary results are between those of two reference rating prediction based methods. We suggest different directions to fur- ther explore our ranking based approach for collaborative filtering.