Système de recommandation
Un système qui sélectionne ou classe des candidats pertinents parmi les offres disponibles, selon leurs caractéristiques ou les interactions passées.
Comment les recommandations sont-elles produites ?
Un système de recommandation sélectionne des candidats parmi des contenus ou produits disponibles et peut les classer selon leur pertinence attendue. Il peut s’appuyer sur les caractéristiques des offres, des intérêts connus ou des interactions passées. Les recommandations peuvent être personnalisées ou liées à un article en cours de consultation. L’objectif et les candidats admissibles doivent être définis : la similarité ou une utilisation conjointe fréquente ne suffit pas à rendre une proposition adaptée au besoin précis.
Dans un magasin d’outillage fictif, des accessoires adaptés doivent être proposés pour la perceuse D-28. Les produits souvent achetés ensemble peuvent inclure des accessoires dont la fixation est incompatible. La sélection doit donc respecter la compatibilité requise à partir de caractéristiques produit vérifiées. L’équipe prévoit des contrôles avec des accessoires adaptés, d’autres inadaptés et des données de caractéristiques incomplètes. Sans preuve fiable de compatibilité, la présentation ne doit pas présenter l’accessoire comme compatible avec certitude. L’évaluation tient compte des propositions effectivement adaptées et des erreurs repérées ; les clics seuls ne démontrent pas l’adéquation.
Sources
Termes associés
- Apprentissage automatiqueLes modèles apprennent des régularités dans les données et les appliquent à de nouvelles entrées.
- Grand modèle de langageUn grand modèle de langage traite la langue à partir de motifs appris. Un texte fluide ne prouve ni son exactitude ni l’accès aux données à jour.
- Token de modèle de langageLes tokens sont des unités de traitement des modèles de langage. Ils ne correspondent pas toujours à des mots et n’ont rien à voir avec les design tokens.
- Inférence de l’IAAppliquer un modèle déjà entraîné à des entrées pour obtenir un résultat.
- Évaluation des LLML’évaluation des LLM teste les sorties selon des tâches et critères définis. Un bon exemple isolé ne prouve pas la qualité générale.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés