Après avoir mis le projet dans un cadre historique et technique et déterminé son contexte on pourra maintenant se lancer dans l’idéologie de notre projet.
Notre projet ne sera pas limité dans son évolution et sera extensible et évolutif.
Les Systèmes de recommandation introduit les notions inhérentes à la recommandation, basées, entre autres, sur la recherche d’information, le filtrage, l’apprentissage automatique, les approches collaboratives. Il traite également de l’évaluation de tels systèmes et présente différents cas d’application.
Le problème peut donc être formulé de la manière suivante : comment guider l’individu/l’utilisateur dans son exploration de données afin qu’il trouve des informations pertinentes ? Le processus de recommandation va guider l’utilisateur lors de son exploration de la quantité d’informations à sa disposition en cherchant pour lui, les informations qui paraissent pertinentes. Il s’agit d’une forme particulière de filtrage visant à présenter les éléments d’information (films, musique, livres, images, pages web,
etc.) susceptibles d’intéresser l’utilisateur. Généralement, à partir de certaines caractéristiques de référence, le processus de recommandation cherche à prédire « l’avis » que donnerait l’utilisateur à chaque élément et lui recommande ceux obtenant le meilleur « avis ».
Depuis quelques années, les recherches et expériences en intelligence artificielle sont de plus en plus poussées. L’Homme essaie de concevoir des machines qui se comporteraient exactement comme lui, qui pourraient analyser les situations de la vie et y apporter des réponses contextuelles et qui disposeraient d’une faculté d’adaptation comparable à celle des humains. Cet objectif semble de plus en plus proche étant donné les récentes avancées observées.
Le fait d’intégrer une IA dans un système de recommandation rendra le système plus performant et répondra de mieux aux besoins fonctionnels en termes de monter en charge et nombres des Data traitées or que notre système doit avoir une réflexion en temps très rapides et c’est la contrainte qu’on devra respecter durant la réalisation de ce projet.
Sans oublier que ce dernier doit avoir un aspect intelligent dans sa façon de traitement et exécution des requêtes de filtrage des données.
Le système utilise quatre types de recommandation3 :
Recommandation personnalisée (analyse du comportement de navigation de l'internaute prenant en compte les mots-clés tapés, l'historique des recherches, le parcours de navigation au sein du site, etc.), la plus simple, la moins performante et désormais la moins utilisée des recommandations.
La recommandation objet (analyse des préférences du consommateur vis-à-vis des qualités ou propriétés de l'objet ou du contenu, ces préférences pouvant être déterminées par le comportement d'achat passé du client).
Recommandation sociale ou recommandation collaborative, fondée sur la base du comportement passé des utilisateurs similaires (technique de filtrage collaboratif par proximité d'intérêt ou par similarité des contenus).
Recommandation hybride qui combine les trois recommandations précédentes4.
Marc Ménard5 ou Jean-Sébastien Vayre6 décrivent différents types de générations concernant les systèmes de recommandation. Les différentes générations des systèmes de recommandation reposent sur un cadre précis avec 3 types de tâches automatiques effectués par ces dispositifs :
Recueil des données ;
Reconstitution de l’identité numérique et du profil du consommateur ;
Émission des recommandations personnalisée.