la recommandation personnalisée - musicovery par vincent castaignet
Post on 17-Nov-2014
90 Views
Preview:
DESCRIPTION
TRANSCRIPT
www.musicovery.com
11/06/2012 Page 1
Vincent Castaignet
Musicovery CEO
05/2014
Labo de l’Edition, 20 mai 2014
La recommandation personnalisée: quelles innovations pour le livre
numérique ?
www.musicovery.com
11/06/2012 Page 2
En quoi consiste une recommendation?
Proposer à une personne
à partir :• d’un historique de comportements/préférences• d’un contenu visité/recherché
des suggestions, qui peuvent prendre la forme
• d’une liste de contenus• d’une expérience plus riche (ex. smart radio)
05/2014
www.musicovery.com
11/06/2012 Page 3
L’univers musical d’un auditeur
Influencers I trust
My tribe
My friend
s
Influencers I trust I don’t
like
My activiti
es
Music I don’t know
I knowMy
favorites
05/2014
www.musicovery.com
11/06/2012 Page 4
Recommendation versus similarité
• La recommandation est généralement associée à
• Mettons ces concepts de “découverte” et “similarité” à l’épreuve
découvertecontenu similaire
05/2014
www.musicovery.com
11/06/2012 Page 5
Exemple 1• Vous voulez commencer une playlist avec “Psy – Gangnam style”
• La plupart des systèmes de recommandation suggèrent des artistes coréens :
• Quel est le problème avec ces recommandations ?
o Les occidentaux pas d’intérêt /pop coréenneo Contexte prédominant pour écouter cette chanson
05/2014
www.musicovery.com
11/06/2012 Page 6
Exemple 2
• Vous aimez les Beatles et vous voulez découvrir des artistes qui ont le même son
• Des groupes qui ont un son très similaire aux Beatles:
• Mais voulez-vous écouter des clones des Beatles ? Pendant 4 heures ?
• Recommendations trop similaires => ennuyeux
The HolliesThe
MonkeesThe Idle
Race
The Chocolate
Watchband
Apples in Stereo
05/2014
www.musicovery.com
11/06/2012 Page 7
Exemple 3•Vous aimez “The Clash – Rock the casbah” et voulez écouter des titres similaires.
•La plupart des systèmes de recommandation proposent des groupes punk: Ramones, Sex Pistols,…
•Quel est le problème avec ces recommandations ?
o La plupart des chansons des Clash ne sont pas punko La même recommandation pour différents types d’auditeurs
05/2014
www.musicovery.com
11/06/2012 Page 8
Les types de données utiles pour produire des recommandations
Descripteurs sémantiques
Descripteurs
experts Social
Charts et tendance
Genres, ambiance, situations
Orchestration, rythmique,
tempo,…
Comptmnt individuel
co-occurrence
de préférences
par région, titre
émergeant, saturé
Historique de préférence, habitudes,…
Recommandation personnalisée
05/2014
www.musicovery.com
11/06/2012 Page 9
Manières de produire les données sur le contenu
• Automatiquement:
o À partir du signal audio
o A partir de texte sur le contenu (web sémantique)
• Editorialo Par expertAvantages: référenciel stable, précis, objectif,
richesse descriptionInconvénients: non exhaustif, décalage potentiel avec perception de la population
05/2014
www.musicovery.com
11/06/2012 Page 10
Le filtrage collaboratif: le plus efficace au moindre
effort• Principe: o Basé sur coocurrence de comportement des
utilisateurs (préférences, achats,…)
• Avantages:o Pas besoin d’avoir descripteurs/classification sur le
contenu ou les utilisateurso Retrouve implicement l’univers musical de chaque
tribu• Inconvénients:
o Cold start: si le contenu est nouveau, pas d’information
o Biais vers les plus populaires, titres même artisteo Pertinence faible dans divers cas
05/2014
www.musicovery.com
11/06/2012 Page 11
Catégoriser le contenu
• Principe: o Attribuer des descripteurs pour générer des classes
de contenus
• Avantages:o Possibilité d’enrichir la description (genre/sous-genre
du contenu, repères chronologiques et géographiques, rôle de l’artiste,…)
• Inconvénients:o Ne reflète pas la segmentation univers musical des
tribuso Rigidité des taxonomies hiérarchiséeso Certains descripteurs mauvais pouvoir de
différentiation
05/2014
www.musicovery.com
11/06/2012 Page 12
Problèmes des systèmes de recommandations
• Qualité médiocre description: ex. indexation automatique
• Modèle taxonomie/ontologie: mal structuré
• Pas exhaustif : même avec des systèmes auto
• Ambiguité du point de référence: divers styles d’un même artiste
• Biais de popularité : dans une même catégorie, toujours les mêmes suggestions
• Pas de personnalisation: mêmes suggestions pour tous les auditeurs
• Expérience pauvre: liste statique de textes, manque d’engagement
05/2014
www.musicovery.com
11/06/2012 Page 13
Approche de Musicovery
• Objectifs: o Fournir un service simple car très personnalisé et
pertinento Adapter la manière de naviguer dans l’univers musical à
chaque auditeuro Fournir une expérience intéressante et cohérente
• Modèles de recommandationo Utilisation de tous les types de données (contenu,
utilisateurs), o Profils utilisateurs: passionné, curieux, mainstream,…
• Résultat: +25% durée des sessions des auditeurs
05/2014
www.musicovery.com
11/06/2012 Page 14
Enseignements pour le livre
• A minima: o Filtrage collaboratif, catégories générales et tops
• Au delà, en fonction des objectifs du service:o personnaliser le type de nagivationo décrire plus précisément le contenuo automatiser la longue traine
• Conseil:o Travail d’analyse approfondi surles comportements des utilisateursles données externes et internes utilisées comment ces données concourent à l’amélioration de
l’expérience recherchée
05/2014
top related