Résumé

Nous nous intéressons à la recommandation par des systèmes de filtrage collaboratif. Nous proposons de combiner une approche globale basée sur une factorisation matricielle et une approche locale basée sur l’exploitation directe d’un voisinage de l’utilisateur. L’hypothèse explorée dans l’article est que les jugements utilisateurs ont une sémantique et donc une utilité différente suivant qu’ils sont positifs ou négatifs. Nous proposons un modèle qui exploite cette polarité et apprend à pondérer l’influence de ses voisins en se basant sur des caractéristiques de polarité. Des expériences effectuées sur deux corpus permettent d’évaluer la validité de ce modèle.

Abstract

We consider the problem of item recommendation with collaborative filtering systems. We propose to combine a global approach based on matrix factorization and a local approach based on the direct use of a neighborhood of the user. The hypothesis explored in this paper is that the positive and negative user judgements do have different semantics and therefore dif- ferent utilities for the recommandation task. We propose a model that exploits this polarity and learns to weight the influence of a user neighbors based on polarity characteristics. Experiments performed on two corpus allow us to assess the validity of this model.