Processus de sélection du mentor

Pour bien comprendre le principe de l'utilitaire sifter, il est important d'avoir une idée précise du déroulement du processus de sélection du mentor et de la manière de définir les paramètres de configuration permettant d'accroître la précision de vos recommandations. Assurez-vous de bien saisir le sens des termes ci-dessous avant de commencer :
  • Filtrage collaboratif -- Le filtrage collaboratif est une technologie permettant de calculer les similitudes entre utilisateurs. La base de cette technologie repose sur les comportements des utilisateurs qui ressemblent le plus à un utilisateur donné afin de lui pour proposer des estimations et des recommandations. Etant donné cette définition, le processus par lequel "...la totalité de la population des utilisateurs est analysée, leur aptitude à assumer le rôle de mentor est calculée et le processus par lequel ils deviennent les mentors d'utilisateurs individuels..." est particulièrement important pour les recommandations finales issues du filtrage collaboratif. Tous les moteurs du serveur LikeMinds utilisent le filtrage collaboratif, à l'exception du moteur d'affinités entre articles.

    Les données utilisées pour décider du niveau de similitude peuvent prendre diverses formes. Toutes les données peuvent constituer une base de calcul de la similitude, du flot de classements autonome créé explicitement pour renvoyer des recommandations, au nombre de clics constituant la séquence, la durée et la sortie d'une session d'un internaute, en passant par les données extraites de bases de données existantes d'une entreprise (les transactions, les données démographiques ou les crédits, par exemple). A partir de ces mesures de similitude, ces données peuvent se traduire par des recommandations mesurées de ces utilisateurs censés être les plus proches d'un utilisateur donné.

  • Mentor --Utilisateur ayant la même vision des choses que les autres, utilisé en tant que base de recommandations pour les nouveaux utilisateurs. Un mentor est attribué à chaque utilisateur par l'utilitaire sifter, dont on estime que les préférences enregistrées sont les mêmes que celles des nouveaux utilisateurs.
  • Pool de mentors -- Alors que le mentor a pour objectif de poser les bases des recommandations destinées aux utilisateurs dont le comportement est supposé être le plus proche du leur, le pool de mentors, dans sa forme la plus basique, doit être un échantillon représentatif d'utilisateurs du groupe Transactions pour lequel les recommandations sont requises. Et bien qu'il faille clairement mettre l'accent sur la similitude, aucun traitement de recommandation ne peut faire de suggestions claires sans un espace concomitant de différences. Les goûts identiques et partagés des utilisateurs susceptibles de faire partie du pool de mentors, mis en évidence lors de notre analyse, pourraient dicter nos recommandations, mais ce sont réellement les similitudes entre les achats qui rendent possibles les recommandations en fonction du filtrage collaboratif du serveur LikeMinds, et ce quelles que soient les différences entre les articles achetés.
  • Sifter -- Permet de créer des mentors en analysant les données transactionnelles de l'utilisateur enregistré. L'utilitaire sifter s'exécute en arrière-plan lorsque vous lancez le serveur LikeMinds.
  • Coverage -- The volume or number of items rated or transactions performed.