Systèmes de Recommandation de Livres — Taxonomie Complète
Taxonomie complète des systèmes de recommandation sur BookCrossing (1,1M d'évaluations) : User-CF, Item-CF, SVD/NMF/ALS, basé contenu, hybride, NCF, AutoRec, GRU4Rec. User-CF RMSE 1,6645, P@10 0,6629, R@10 0,6910.
BookCrossing : 1 149 780 évaluations, 271 360 livres, 278 858 utilisateurs
Taxonomie complète : User-CF → Item-CF → MF → Basé contenu → Hybride → NCF/AutoRec/GRU4Rec
Implémentation complète de tous les grands paradigmes de systèmes de recommandation sur le dataset Book-Crossing.
Jeu de données
- ▸Brut : 271 360 livres, 278 858 utilisateurs, 1 149 780 évaluations
- ▸Filtré (explicite ≥ 1) : 118 699 évaluations, 7 027 utilisateurs, 9 438 livres
- ▸Échelle d'évaluation : 1–10 (explicite) + feedback implicite (vues de pages)
Taxonomie Complète
Systèmes de Recommandation
├── 1. Filtrage Collaboratif
│ ├── CF basé utilisateur (similarité cosinus, K=20)
│ ├── CF basé items
│ └── Factorisation matricielle : SVD / NMF / ALS
├── 2. Filtrage Basé Contenu
│ └── TF-IDF sur métadonnées livre (titre, auteur, genre)
├── 3. Hybride
│ ├── Combinaison pondérée (CF + CB)
│ └── Commutation (CB pour utilisateurs cold-start)
└── 4. Deep Learning
├── NCF (Filtrage Collaboratif Neuronal)
├── AutoRec (CF Autoencoder)
└── GRU4Rec (séquentiel basé session)
Résultats Clés (User-CF)
| Métrique | Valeur |
|---|---|
| RMSE | 1,6645 |
| Precision@10 | 0,6629 |
| Recall@10 | 0,6910 |
Gestion du Démarrage à Froid Les nouveaux utilisateurs (<5 évaluations) basculent vers les recommandations basées contenu ou sur la popularité. La stratégie de commutation hybride évite l'échec du CF sur le cold-start.
Insight Clé GRU4Rec (basé session) est l'architecture la plus utile en pratique — il gère les utilisateurs anonymes et capture l'intention à court terme sans nécessiter d'historique, ce qui est la réalité pour la plupart des sessions e-commerce.