ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Technique et Science Informatiques

0752-4072
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 35/4-5 - 2016  - pp.397-433  - doi:10.3166/tsi.35.397-433
TITRE
Modéliser la diversité au cours du temps pour détecter le contexte dans un service de musique en ligne

TITLE
Modeling diversity over time to detect the context in an online music service

RÉSUMÉ
De nombreuses études ont démontré que la prise en compte du contexte améliore la qualité des systèmes de recommandation. Cependant, les méthodes traditionnelles permettent d’inférer le contexte à l’aide de données personnelles (localisation, date, âge, etc.). Dans ce papier, nous proposons de détecter automatiquement les changements de contexte, sans connaissance sur les utilisateurs (contexte explicite), mais en fonction des caractéristiques communes aux items consultés (contexte implicite). Pour ce faire, nous proposons un modèle formel capable d’établir une correspondance entre les variations de diversité au cours du temps dans les parcours des utilisateurs et les changements de contexte. Ce modèle a été testé sur un corpus musical de plus de 200 000 écoutes. Pour valider la pertinence de notre modèle, nous avons cherché à retrouver des événements à partir des changements de contexte détectés : notre modèle a ainsi permis de retrouver 88 % des fins de session.


ABSTRACT
Many studies have shown that taking into account the context improves the quality of recommender systems. However, traditional methods infer the context using personal data (location, date, age, etc.). In this paper, we propose to automatically detect context changes, without knowledge on users (explicit context), but based on common features of consulted items (implicit context). To do this, we propose a formal model which can establish a correspondence between the variation of diversity over time within the paths of users and context changes. This model has been tested on a musical corpus of more than 200,000 tracks. To validate the relevance of our model, we sought to retrieve events from the detected changes of context : our model has recovered 88 % of session ends.


AUTEUR(S)
Amaury L'HUILLIER, Sylvain CASTAGNOS, Anne BOYER

Reçu le 26 février 2015.    Accepté le 1 avril 2016.

MOTS-CLÉS
diversité, contexte, recommandation, facteurs humains, modélisation utilisateur.

KEYWORDS
diversity, context, recommendation, human factors, user modeling.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (585 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier