Auteurs
Résumé
Dans cet article, nous proposons une nouvelle approche de système de recommandation basée sur la poursuite de cible à l’aide des filtres de Kalman. Nous supposons que les utilisateurs et leurs consommations de télévision (films, séries, émissions, etc.) sont représentés par des vecteurs dans l’espace multidimensionnel des genres des contenus (action, aventure, divertissement, etc.). Connaissant cet espace, nous proposons un algorithme basé sur les filtres de Kalman pour poursuivre le profil de l’utilisateur et prédire ses positions futures dans l’espace multidimensionnel des genres. A partir de cette prédiction, nous construisons une nouvelle stratégie de recommandation de contenus.
Abstract
In this paper, we propose a new approach for recommender systems based on target tracking by Kalman filtering. We assume that users and their consumptions of television programs are vectors in the multidimensional space of the categories of the resources. Knowing this space, we propose an algorithm based on a Kalman filter to track the user’s profile and to foresee the best prediction of their future position in the recommendation space. From this prediction, we build a recommendation of contents.