Le filtrage collaboratif consiste à prédire les centres d'intérêt d'un utilisateur en fonction de ceux de nombreux autres utilisateurs. Par exemple, prenons la tâche de recommandation de films. Supposons que nous ayons 500 000 utilisateurs et une liste des films que chaque utilisateur a regardés (à partir d'un catalogue de 1 000 000 films). Notre objectif est de recommander des films aux utilisateurs.
Pour résoudre ce problème, une méthode est nécessaire pour déterminer les films similaires. Nous pouvons atteindre cet objectif en intégrant les films dans un espace de petite dimension créé à proximité de films similaires.
Avant d'aborder l'apprentissage des représentations vectorielles continues, nous devons d'abord déterminer le type de qualités qu'elles doivent avoir et la représentation des données d'entraînement.
Disposer les films sur une ligne de nombres en une dimension
Pour développer une intuition basée sur les représentations vectorielles continues, sur une feuille de papier, essayez d'organiser les films suivants sur une ligne numérique unidimensionnelle afin que les films les plus proches les uns des autres soient les plus proches:
| Film | Rating | Description |
|---|---|---|
| Bleu | D | Une veuve française pleure la perte de son mari et de sa fille après qu'ils ont péri dans un accident de voiture. |
| The Dark Knight Rises | PG-13 | Batman cherche à sauver la destruction nucléaire de Gotham City dans cette suite de The Dark Knight, qui se déroule dans l'univers DC Comics. |
| Harry Potter à l'école des sorciers | PG | Un orphelin découvre qu'il est sorcier et s'inscrit à l'école de sorcellerie et de sorcellerie de Poudlard. Il mène sa première bataille contre le maléfique Lord Voldemort. |
| Les Indestructibles | PG | Une famille de super-héros contraints de civils quitte la retraite pour sauver la course des super-héros de Syndrome et de son meurtrier robot. |
| Shrek | PG | Un adorable ogre et son acolyte se lancent dans la mission de sauver la princesse Fiona, qui est emprisonnée dans son château par un dragon. |
| Star Wars | PG | Luke Skywalker et Han Solo font équipe avec deux Android pour sauver la princesse Leia et la galaxie. |
| Les Triplettes de Belleville | PG-13 | Lorsque Champion, un cycliste professionnel, est enlevé lors du Tour de France, sa grand-mère et un chien en surpoids voyagent à l'étranger pour le sauver, avec l'aide d'un trio de chanteurs de jazz âgés. |
| Mémo | D | Un amnésique cherche désespérément à résoudre le meurtre de sa femme en tatouant des indices sur son corps. |
Cliquez sur l'icône Plus pour voir une des solutions possibles (très imparfaites).
Figure 1. Disposition possible à une dimension
Bien que cette représentation vectorielle continue vous permette de savoir dans quelle mesure le film est destiné aux enfants plutôt qu'aux adultes, il existe de nombreux autres aspects d'un film que l'on voudrait capturer quand on formule des recommandations. Approfondissons cet exemple en ajoutant une deuxième dimension de représentation vectorielle continue.
Disposer des films dans un espace à deux dimensions
Essayez le même exercice qu'avant, mais cette fois, organisez les mêmes films dans un espace à deux dimensions.
Cliquez sur l'icône Plus pour voir une autre solution.
Figure 2 Disposition possible en deux dimensions
Avec cette représentation vectorielle continue à deux dimensions, nous définissons la distance entre les films de sorte qu'ils soient proches (et donc supposés similaires) s'ils sont tous deux conçus pour les enfants ou pour les adultes, et s'ils sont des superproductions et des films d'auteur. Ce ne sont bien entendu que deux des nombreuses caractéristiques de films qui peuvent être importantes.
Plus généralement, nous avons mis en correspondance ces films dans un espace de représentations vectorielles continues, où chaque mot est décrit par un ensemble de coordonnées bidimensionnelles. Par exemple, dans cet espace, "Shrek" correspond à (-1,0, 0,95) et "Bleu" à (0,65, -0,2). En général, lors de l'apprentissage d'une représentation vectorielle continue à d, chaque film est représenté par d nombres à valeur réelle, chacun donnant les coordonnées dans une dimension.
Dans cet exemple, nous avons attribué un nom à chaque dimension. Lors de l'apprentissage des représentations vectorielles continues, les dimensions individuelles ne sont pas apprises par leur nom. Parfois, nous pouvons examiner les représentations vectorielles continues et attribuer des sens sémantiques aux dimensions, et parfois nous ne pouvons pas le faire. Souvent, chaque dimension de ce type est appelée dimension latente, car elle représente une caractéristique qui n'est pas explicite dans les données, mais qui en est déduite.
En fin de compte, ce sont les distances entre les films dans l'espace de représentation vectorielle, qui sont pertinentes, plutôt que les valeurs d'un seul film dans une dimension donnée.