Your SlideShare is downloading. ×
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
La Recommandation Personnalisée - YouScribe par Lucie Soureillat
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

La Recommandation Personnalisée - YouScribe par Lucie Soureillat

181

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
181
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. La recommandation personnalisée :" quelles innovations pour le livre numérique ? Organisé par Hadopi et le Labo de l’édition le 20 mai 2014 Lucie Soureillat, responsable du Business développement avec les éditeurs
  • 2. Plan 2 • Le moteur de recommandation est au cœur du développement de YouScribe en 2014 ! • Roadmap de développement du moteur de recommandation ! • Approche sémantique des textes ! • Mesure de similarité entre les utilisateurs ! • Demande explicite des préférences de lectures
  • 3. Revenus des éditeurs en fonction du nombre de pages lues et des évolutions du moteur de recommandation Avril 2014 Août Décembre Avril 2015 Nombre de pages lues Revenu mensuel des éditeurs Pertinencedelarecommandation 3 Moteur 1 Moteur3 Moteur 2
  • 4. Roadmap de développement du moteur de recommandation 4 1. Construire une mesure de similarité entre les livres selon leur thème, leur type, leur style d'écriture, les métadonnées (tags), etc.! ! ! 2. À l’aide de cette mesure, construire une mesure de similarité entre les préférences des utilisateurs, à partir de l’historique de lectures (collaborative filtering).! ! ! 3. Affiner la mesure à l'aide d'informations explicitement acquises auprès de l'utilisateur (questionnaire lors de l’inscription).!
  • 5. 00110001101101001011001000110100 101100100011101010110111001110100 00100000011101010111010000100000 110001101101001011001000110100101 100100011101010110111001110100001 00000011101010111010000100000110 00110110100101100100011010010110 010001110101011011100111010000100 000011101010111010000100000110001 10110100101100100011010010110010 001110101011011100111010000100000 011101010111010 f(x) I. L’APPROCHE SÉMANTIQUE" 1. Représentation d’un document sous la forme d’un code binaire 5
  • 6. 00110001101101001011001000110100 101100100011101010110111001110100 00100000011101010111010000100000 110001101101001011001000110100101 100100011101010110111001110100001 00000011101010111010000100000110 00110110100101100100011010010110 010001110101011011100111010000100 000011101010111010000100000110001 10110100101100100011010010110010 001110101011011100111010000100000 011101010111010 f(x) 2. Représentation d’un document sous la forme d’un code binaire 6
  • 7. 3. Rechercher la similarité sémantique entre les textes, et dégager des affinités de thèmes 001101010010010010010010010110010100100101001010010101001010010100100101 001101010010010010010010010110010100100101001010010101001010010100100101 7 livre A = 011001001 livre B = 111001001
  • 8. 8 Chaque point correspond à un document, les points proches sont similaires et appartiennent à un topic identique
  • 9. 9 injection Métadonnées " ! • Temps passé sur une page ;" • Parcours de recherche ;" • Age ;" • Sexe ;" • Géographie etc. Système de mesure output II. MESURE DE SIMILARITÉ ENTRE LES UTILISATEURS 1100011
  • 10. 10 Avez-vous aimé ce livre ? 10 III. DEMANDER EXPLICITEMENT LEURS PRÉFÉRENCES AUX UTILISATEURS
  • 11. Les préférences sont enregistrées dans un tableau de rating
  • 12. Merci. À bientôt ! Contact : lucie.soureillat@youscribe.com partners@youscribe.com La bibliothèque digitale de tous les écrits

×