Perspectives

l’ensemble des outils numériques déployés à l’heure actuelle, ne doivent pas oublier que leur

finalité est avant tout d’assister les utilisateurs. Les facteurs humains, les processus de décision et

le caractère parfois imprévisible de l’humain sont autant de difficultés qu’il nous faut appréhender

et comprendre afin de fournir de meilleures approches de recommandation. Cependant, cela ne

peut se faire au détriment du respect de la vie privée des utilisateurs qui doivent également

pouvoir rester maîtres de l’information qui leur est proposée.

7.2 Perspectives

Le travail réalisé dans le cadre de cette thèse ayant abouti à notre connaissance à la

propo-sition du premier modèle de l’état de l’art permettant de modéliser l’évolution de la diversité

au cours du temps, ainsi que la proposition d’une nouvelle famille de contextes, les perspectives

offertes sont nombreuses. Nous avons décidé de les classer en deux catégories, celles étant

réali-sables à court terme et celles nécessitant une planification à moyen terme.

7.2.1 Perspectives à court terme

Les approches de détection de changement de contexte implicite que nous avons proposées

ont essentiellement servi à tester nos différentes hypothèses. Nous souhaitons améliorer ces

ap-proches et ce, à différents niveaux. Premièrement, nous projetons de confronter les contextes

implicites que nous détectons au jugement des utilisateurs. Cette approche nous permettra de

confirmer que les contextes implicites font sens pour les utilisateurs, mais également d’obtenir

des retours d’expérience nous permettant de mettre au point d’autres méthodes de détection.

Deuxièmement, il est possible d’adapter les fonctions de détection au profil de chaque utilisateur.

Un utilisateur écoutant majoritairement des musiques de genre rock sera sans doute sensible aux

variations de diversité de certains attributs qui ne seront pas perçues ou jugés pertinents pour un

utilisateur ayant des goûts plus éclectiques. Troisièmement, la gestion des données manquantes

peut être améliorée par l’utilisation de méthodes probabilistes visant à prédire les valeurs des

attributs les plus probables étant donnés les attributs connus, les préférences de l’utilisateur ainsi

que le contexte implicite courant.

Par ailleurs, nous avons présenté dans le dernier chapitre de nombreuses approches de

recom-mandation et d’exploitation des contextes implicites. Nous entendons donc mettre en place des

tests utilisateurs afin d’évaluer ces différentes approches de recommandation en nous

compa-rant aux approches de l’état de l’art. Bien que certains résultats puissent être obtenus à partir

des corpus hors ligne, nous soutenons l’idée selon laquelle les bénéfices de notre modèle et des

différentes approches de recommandation ne pourront être maximisés qu’en situation réelle

d’uti-lisation. L’utilisation d’une étude utilisateur nous permettra également d’interagir directement

avec les utilisateurs et de collecter des explications concernant les variations de diversité que

nous pouvons obtenir en temps réel. Ces interactions pourraient par exemple permettre de tester

l’hypothèse selon laquelle il existe des périodes de transitions entre deux contextes implicites

qui se traduisent par une diversité élevée sur plusieurs consultations. Ou encore, de la même

manière que nous nous sommes intéressés aux musiques passées, une perspective d’utilisation

de l’évolution de la diversité au cours du temps serrait la détection de sessions de navigation

parallèle ou encore la détection de séquence de consultations contenant plusieurs objectifs. Sur

un site de e-commerce par exemple, un utilisateur peut consulter des items pour faire un cadeau

à la fois pour son conjoint et pour ses amis. Bien qu’il existe deux objectifs différents et donc

deux besoins différents, l’utilisateur peut consulter à la suite des items pour l’un ou l’autre de

ces cadeaux, générant ainsi beaucoup de diversité. Utiliser la diversité pour isoler chacun des

objectifs (en permettant les consultations afin de voir s’il n’existe pas plusieurs contextes

impli-cites entrecroisés) permettrait d’assister plus efficacement l’utilisateur plutôt que de considérer

l’ensemble des consultations comme appartenant à un seul et même objectif.

Enfin, comme nous l’avons mentionné, notre approche est générique et peut être déployée dans

de nombreux domaines applicatifs. Cette perspective pourra être étudiée dès lors que nous

possè-derons d’autres jeux de données respectant les contraintes imposées par notre modèle, possédant

ou non des items de natures différentes.

7.2.2 Perspectives à moyen terme

La caractérisation des contextes implicites est un point essentiel sur lequel reposent plusieurs

approches de recommandation et d’explication que nous avons proposées. Cette caractérisation

peut être réalisée comme nous l’avons présenté en déterminant certaines valeurs remarquables

des attributs (valeurs moyennes ou extrêmes, très fortes stabilités de certains attributs. . . ) dans

un premier temps. Cependant, améliorer la caractérisation des contextes implicites pourrait

per-mettre d’assister au mieux les utilisateurs tout en amélioration la compréhension que nous avons

de leur comportement. Pour cette raison, nous envisageons d’étudier et de proposer différentes

techniques de caractérisation. Et ce, afin de prendre en compte la dynamique de certains

attri-buts des items contenus dans un contexte implicite, d’étudier les relations pouvant exister entre

ces attributs ou encore de déterminer les attributs les plus importants dans chaque contexte

implicite.

Jusqu’à présent, nous avons restreint l’exploitation de notre modèle aux consultations courantes

des utilisateurs afin de connaître les besoins immédiats en diversité. Exploiter l’évolution

tempo-relle de la diversité à une échelle de temps plus importante constitue cependant une perspective

intéressante. En d’autres termes, en plus d’avoir des besoins en diversité plus ou moins

impor-tants sur certains attributs en fonction de leur contexte courant, nous pensons que les utilisateurs

possèdent un besoin en diversité qui peut couvrir des périodes plus grandes qu’un contexte. Dans

le cas de la musique, un utilisateur peut avoir des besoins en diversité très importants pour

cer-tains attributs pendant une période et avoir par la suite des besoins plus restreints en termes de

diversité. Ce point peut être illustré par la saison de l’année qui possède une influence sur les

ca-ractéristiques des musiques écoutées. L’idée n’est pas de s’appuyer sur la saison pour adapter les

recommandations mais de détecter certaines périodes (telles que les saisons) pendant lesquelles

certaines caractéristiques sont moins ou plus présentes que d’autres. Détecter ces différentes

pé-riodes permettrait de mieux comprendre les besoins des utilisateurs.

De plus, outre les attributs que nous avons présentés et utilisés dans ce manuscrit, l’API de

Spo-tify nous permet également d’obtenir une analyse du spectre audio des musiques. L’analyse du

spectre audio correspond à un découpage de la musique en segments où chaque segment

repré-sente un événement particulier tel la présence d’une percussion à la batterie ou d’une note d’un

instrument. Une liste de caractéristiques est donnée pour chaque segment et il existe plusieurs

milliers de segments par musique

⁸⁵

. L’utilisation de cette information peut être intéressante

étant donné qu’elle se passe de toute subjectivité (contrairement aux attributs valence et

dan-ceability par exemple) et permettrait alors d’obtenir des informations “brutes” sur lesquelles la

similarité/diversité d’une musique peut être calculée. Alors que l’ensemble des attributs d’une

musique représente en moyenne 700 octets de données, le spectre audio représente 700 Ko, soit

7.2. Perspectives

1 000 fois plus. Non ne savons pas actuellement si cette différence peut avoir un impact dans le

calcul en temps réel de la diversité. De nouvelles formules de diversité devront également être

développées afin d’exploiter ces informations. Le défi majeur de cette perspective réside dans

la quantité d’information à traiter. En effet, exploiter des grandes quantités d’information aura

pour conséquence d’ajouter du bruit qu’il faudra pouvoir isoler afin de ne conserver que

l’infor-mation utile pour le SR et les utilisateurs. Cependant, nous sommes convaincus que l’analyse

du spectre audio permet d’améliorer la compréhension des choix des utilisateurs étant donnée la

complexité d’une musique (en termes de représentation).

Annexe A

Boîtes à moustaches et tests de

Émotions ressenties

Boîtes à moustaches

Table^{A.1 – Comparaisons multiples du test de Kruskal et Wallis pour les émotions ressenties}

acou. danc. dur. éne. inst. live. loud. spee. temp. val. pop.

Détendu-En colère vrai faux faux vrai faux vrai vrai vrai faux faux faux

Détendu-Gracieux faux vrai faux faux faux faux faux faux faux faux faux

Détendu-Heureux vrai faux faux vrai faux faux vrai faux faux vrai faux

Détendu-Rêveur faux vrai faux faux faux faux faux faux faux vrai faux

Détendu-Tragique faux vrai faux faux faux faux faux faux vrai vrai vrai

Détendu-Triomphant vrai faux faux vrai faux faux vrai vrai faux faux faux

Détendu-Triste faux vrai faux vrai faux faux faux vrai faux vrai faux

Détendu-Vigoureux vrai faux vrai vrai faux faux vrai vrai faux vrai faux

En colère-Gracieux vrai faux faux vrai faux vrai vrai vrai faux faux faux

En colère-Heureux vrai vrai faux vrai faux faux faux vrai faux vrai faux

En colère-Rêveur vrai faux faux vrai faux vrai vrai vrai faux faux faux

En colère-Tragique vrai faux faux vrai faux faux vrai vrai vrai faux faux

En colère-Triomphant faux faux faux faux faux faux faux faux faux faux faux

En colère-Triste vrai faux faux vrai faux vrai vrai vrai faux faux faux

En colère-Vigoureux faux faux faux faux faux faux faux faux faux vrai faux

Gracieux-Heureux vrai vrai faux vrai vrai faux vrai faux faux vrai faux

Gracieux-Rêveur faux faux faux faux faux faux faux faux faux faux faux

Gracieux-Tragique faux faux faux faux faux faux faux faux faux faux faux

Gracieux-Triomphant vrai faux faux vrai faux faux vrai vrai faux faux faux

Gracieux-Triste faux faux faux faux faux faux faux vrai faux faux faux

Gracieux-Vigoureux vrai vrai vrai vrai faux faux vrai vrai faux vrai faux

Heureux-Rêveur vrai vrai faux vrai vrai faux vrai vrai faux vrai faux

Heureux-Tragique vrai vrai faux vrai faux faux vrai faux vrai vrai faux

Heureux-Triomphant vrai vrai faux faux faux faux faux vrai faux vrai faux

Heureux-Triste vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Heureux-Vigoureux vrai faux faux vrai faux faux vrai vrai faux faux faux

Rêveur-Tragique faux vrai faux faux faux faux faux faux faux faux faux

Rêveur-Triomphant vrai faux faux vrai faux faux vrai vrai faux vrai faux

Rêveur-Triste faux faux faux faux faux faux faux faux faux vrai faux

Rêveur-Vigoureux vrai vrai vrai vrai faux faux vrai vrai faux vrai faux

Tragique-Triomphant vrai vrai faux vrai faux faux vrai vrai vrai vrai faux

Tragique-Triste faux faux faux faux faux faux faux faux faux faux faux

Tragique-Vigoureux vrai vrai vrai vrai faux faux vrai vrai vrai vrai vrai

Triomphant-Triste vrai faux faux vrai faux faux vrai vrai faux vrai faux

Triomphant-Vigoureux faux faux faux faux faux faux faux faux faux faux faux

Triste-Vigoureux vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Émotions initiatrices⁸⁶

Boîtes à moustaches

86. Cf.suprap.109, les émotions initiatrices sont les émotions dans lesquelles se trouvent les utilisateurs et qui

160

A.0.1 Comparaisons multiples du test de Kruskal-Wallis

acou. danc. dur. éne. inst. live. loud. spee. temp. val. pop.

Détendu-En colère vrai faux faux vrai faux faux vrai vrai faux faux faux

Détendu-Gracieux faux faux faux faux faux faux faux faux faux faux faux

Détendu-Heureux vrai faux faux vrai faux faux vrai faux faux vrai faux

Détendu-Rêveur faux faux faux faux faux faux faux faux faux vrai faux

Détendu-Tragique faux vrai faux faux faux faux faux faux faux vrai faux

Détendu-Triomphant vrai faux faux vrai faux faux vrai vrai faux faux faux

Détendu-Triste faux vrai faux vrai faux faux faux faux faux vrai faux

Détendu-Vigoureux vrai faux vrai vrai faux faux vrai vrai faux faux faux

En colère-Gracieux vrai faux faux vrai faux faux vrai faux faux faux faux

En colère-Heureux vrai vrai faux faux faux faux faux faux faux vrai faux

En colère-Rêveur vrai faux faux vrai faux faux vrai vrai faux faux faux

En colère-Tragique vrai faux vrai vrai faux faux vrai vrai faux vrai faux

En colère-Triomphant faux faux faux faux faux faux faux faux faux faux faux

En colère-Triste vrai faux faux vrai faux faux vrai vrai faux faux faux

En colère-Vigoureux faux faux faux faux faux faux faux faux faux vrai faux

Gracieux-Heureux vrai vrai faux vrai faux faux vrai faux faux vrai faux

Gracieux-Rêveur faux faux faux faux faux faux faux faux faux faux faux

Gracieux-Tragique faux faux faux faux faux faux faux faux faux vrai faux

Gracieux-Triomphant vrai faux faux vrai faux faux vrai faux faux faux faux

Gracieux-Triste faux faux faux faux faux faux faux faux faux faux faux

Gracieux-Vigoureux vrai faux vrai vrai faux faux vrai vrai faux vrai faux

Heureux-Rêveur vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Heureux-Tragique vrai vrai faux vrai vrai faux vrai faux faux vrai faux

Heureux-Triomphant faux faux faux faux faux faux faux faux faux faux faux

Heureux-Triste vrai vrai faux vrai faux faux vrai vrai vrai vrai faux

Heureux-Vigoureux vrai faux faux vrai faux faux vrai vrai faux faux faux

Rêveur-Tragique faux vrai faux faux faux faux faux faux faux vrai faux

Rêveur-Triomphant vrai faux faux vrai faux faux vrai vrai faux vrai faux

Rêveur-Triste faux faux faux faux faux faux faux faux faux faux faux

Rêveur-Vigoureux vrai faux vrai vrai faux faux vrai vrai faux vrai faux

Tragique-Triomphant vrai faux faux vrai faux faux vrai vrai faux vrai faux

Tragique-Triste faux faux faux faux faux faux faux faux faux faux faux

Tragique-Vigoureux vrai vrai vrai vrai vrai faux vrai vrai faux vrai faux

Triomphant-Triste vrai faux faux vrai faux faux vrai vrai faux vrai faux

Triomphant-Vigoureux faux faux faux faux faux faux faux faux faux faux faux

Triste-Vigoureux vrai vrai vrai vrai faux faux vrai vrai vrai vrai faux

Dimension “activité”

Boîtes à moustaches

Comparaisons multiples du test de Kruskal-Wallis

Table^{A.3 – Comparaisons multiples du test de Kruskal-Wallis pour la dimension activité}

acou. danc. dur. éne. inst. live. loud. spee. temp. val. pop.

Conduite-Cuisine faux faux faux faux faux faux faux faux faux faux faux

Conduite-Détente vrai faux faux vrai faux faux vrai faux faux vrai faux

Conduite-Fête vrai faux faux vrai faux faux vrai vrai faux faux faux

Conduite-Lecture vrai vrai faux vrai vrai faux vrai vrai vrai vrai faux

Conduite-Ménage faux faux faux faux faux faux faux faux faux faux faux

Conduite-Promenade faux faux faux faux faux faux faux faux faux faux faux

Conduite-Réflexion vrai vrai faux vrai vrai faux vrai vrai faux vrai faux

Conduite-Réveil vrai faux faux vrai faux faux vrai faux faux faux faux

Conduite-Sport vrai faux faux vrai faux faux vrai vrai faux faux faux

Conduite-Transport faux faux faux faux faux faux faux faux faux faux faux

Conduite-Travail faux faux faux vrai faux faux faux faux faux faux faux

Cuisine-Détente vrai faux faux vrai faux faux vrai faux faux vrai faux

Cuisine-Fête vrai vrai faux vrai faux faux vrai vrai faux faux faux

Cuisine-Lecture vrai faux faux vrai faux faux vrai vrai vrai vrai faux

Cuisine-Ménage faux faux faux faux faux faux faux faux faux faux faux

Cuisine-Promenade faux faux faux faux faux faux faux faux faux faux faux

Cuisine-Réflexion vrai faux faux vrai faux faux vrai faux faux vrai faux

Cuisine-Réveil vrai faux faux vrai faux faux vrai faux faux faux faux

Cuisine-Sport vrai faux faux vrai faux faux vrai vrai faux faux faux

Cuisine-Transport faux faux faux faux faux faux faux faux faux faux faux

Cuisine-Travail faux faux faux faux faux faux faux faux faux faux faux

Détente-Fête vrai vrai faux vrai vrai faux vrai vrai faux vrai faux

Détente-Lecture vrai faux faux vrai faux faux vrai faux faux vrai faux

Détente-Ménage vrai faux faux vrai faux faux vrai faux faux vrai faux

Détente-Promenade faux faux faux faux faux faux vrai faux faux faux faux

Détente-Réflexion faux faux faux faux faux faux faux faux faux vrai faux

Détente-Réveil faux faux faux faux faux faux faux faux faux faux faux

Détente-Sport vrai vrai vrai vrai faux faux vrai vrai faux vrai faux

Détente-Transport vrai faux faux vrai faux faux vrai vrai faux faux faux

Détente-Travail faux faux faux faux faux faux faux faux faux faux faux

Fête-Lecture vrai vrai faux vrai vrai faux vrai vrai vrai vrai faux

Fête-Ménage faux faux faux vrai faux faux faux faux faux faux faux

Fête-Promenade vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Fête-Réflexion vrai vrai faux vrai vrai faux vrai vrai faux vrai faux

Fête-Réveil vrai faux faux vrai faux faux vrai vrai faux vrai faux

Fête-Sport faux faux faux faux faux faux faux faux faux faux faux

Fête-Transport vrai vrai faux faux faux faux faux faux faux vrai faux

Fête-Travail vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Lecture-Ménage vrai vrai faux vrai vrai faux vrai vrai vrai vrai faux

Lecture-Promenade vrai faux faux vrai faux faux vrai faux faux vrai faux

Lecture-Réflexion faux faux faux faux faux faux faux faux faux faux faux

Lecture-Réveil faux faux faux faux faux faux faux faux faux faux faux

Lecture-Sport vrai vrai vrai vrai vrai faux vrai vrai vrai vrai faux

Lecture-Transport vrai faux faux vrai vrai faux vrai vrai vrai vrai faux

Lecture-Travail vrai faux faux vrai faux faux vrai faux faux vrai faux

Ménage-Promenade vrai faux faux faux faux faux faux faux faux vrai faux

Ménage-Réflexion vrai vrai faux vrai vrai faux vrai vrai faux vrai faux

Ménage-Réveil vrai faux faux vrai faux faux vrai faux faux vrai faux

Ménage-Sport vrai faux faux vrai faux faux vrai vrai faux faux faux

Ménage-Transport faux faux faux faux faux faux faux faux faux faux faux

Ménage-Travail vrai faux faux vrai faux faux vrai faux faux vrai faux

Promenade-Réflexion faux faux faux vrai faux faux vrai faux faux faux faux

Promenade-Réveil faux faux faux faux faux faux faux faux faux faux faux

Promenade-Sport vrai vrai faux vrai faux faux vrai vrai faux vrai faux

Promenade-Transport faux faux faux vrai faux faux faux faux faux faux faux

Promenade-Travail faux faux faux faux faux faux faux faux faux faux faux

Dans le document Modéliser la diversité au cours du temps pour comprendre le contexte de l'utilisateur dans les systèmes de recommandation (Page 161-200)