Résumé

De récentes études ont montré que la diversité dans les systèmes de recommandation est positivement corrélée à la satisfaction des utilisateurs et renforce/facilite leur choix d’un item (Castagnos et al., 2010). Si l’impact de cette nouvelle dimension a été mesuré, les raisons d’un tel succès restent cependant encore inexpliquées. Forts de ce constat, notre objectif est d’analyser plus finement l’utilité réelle et perçue de la diversité dans les systèmes de recomman- dation. Dans cette optique, nous avons réalisé une étude auprès de 250 utilisateurs permettant de comparer 5 approches (mêlant filtrage collaboratif, filtrage par contenu et popularité) avec différents degrés de diversité. Les résultats montrent que la diversité dans les recommandations est perçue par les utilisateurs et améliore leur satisfaction, même si elle suscite parfois mé- fiance ou incompréhension. En outre, cette étude a mis en lumière la nécessité de constituer des modèles de préférences suffisamment divers pour générer de bonnes recommandations.

Abstract

Recent studies have highlighted the correlation between the degree of diversity within recommender systems and users’ satisfaction, and the fact that diversity increases confidence within the choice of an item (Castagnos et al., 2010). We now need to understand the reasons of the positive impact of diversity on recommender systems. We thus decided to design a user study focused on the utility and perceived qualities of this new dimension. We recruited 250 users and compared 5 different approaches based on collaborative filtering, content-based filtering and popularity, with different degrees of diversity. Results show that diversity, when recommenda- tions are made explicit, may reduce users’ acceptance rate. However, it helps increasing users’ satisfaction. Besides, this study has highlighted the need to build preference models that are diverse enough, so as to generate good recommendations.