Presentation du filtrage collaboratif

En filtrage collaboratif on suppose qu'il n'est pas suffisant de se baser sur l'experience de consommation d'un profil d'utilisateur individuel mais qu'il faut exploiter les experiences d'une communaute de clients. Chaque utilisateur cible est associe a un ensemble d'utilisateurs proches en comparant le profil des informations fournies par l'utilisateur cible aux profils des autres utilisateurs. On cherche de correlations entre les utilisateurs par rapport au classements (ou scores de preference) attribues aux produits enregistres dans les profils utilisateur. Les voisins les plus proches de l'utilisateur cible sont ceux qui affichent la plus forte correlation avec son profil. Ils servent de "partenaires de recommandation" et les produits qui ce trouvent dans leur profils et absents dans le profil de l'utilisateur cible peuvent lui etre recommandes.

Pratiquement ces methodes predisent les preferences d'une personne comme une combinaison lineaire des preferences d'autres personnes. Des applications connues sont Net Perceptions, Likeminds de Andromedia et Firefly (actuellement disparu).

L'ambition de ce type d'outils est de faire des recommandations en temps reel.