Skip to Main content Skip to Navigation
Journal articles

Recommandation par inférence bayésienne. Application à la configuration de produit

Résumé : Cet article traite du problème de la recommandation de valeurs dans le cadre de la configuration interactive de produit. L'idée est d'apprendre, hors ligne et à partir d'un historique de vente, des indépendances entre variables sous la forme d'un réseau bayésien ; on peut ensuite utiliser les tables du réseau bayésien appris pour recommander, à chaque étape de la configuration, les options les plus probablement choisies ; ou on peut estimer directement à partir de l'historique les probabilités nécessaires : nous proposons pour cela une variation de l'algorithme Recursive Conditioning. Nos expérimentations sur des données réelles montrent que ces approches sont compatibles avec une exploitation en ligne en termes de temps CPU et possèdent une très bonne précision : leur taux de succès est proche du meilleur possible.
Document type :
Journal articles
Complete list of metadatas

Cited literature [45 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02182000
Contributor : Open Archive Toulouse Archive Ouverte (oatao) <>
Submitted on : Friday, July 12, 2019 - 3:10:50 PM
Last modification on : Tuesday, September 8, 2020 - 10:52:01 AM

File

fargier_22543.pdf
Files produced by the author(s)

Identifiers

Citation

Hélène Fargier, Pierre-François Gimenez, Jérôme Mengin. Recommandation par inférence bayésienne. Application à la configuration de produit. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2018, 32 (1), pp.39-74. ⟨10.3166/ria.32.39-74⟩. ⟨hal-02182000⟩

Share

Metrics

Record views

263

Files downloads

738