Thèse soutenue

Algorithmes de bandit pour l'optimisation des systèmes de recommandation
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Matthieu Jedor
Direction : Vianney Perchet
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance le 18/12/2020
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard
Partenaire(s) de recherche : référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
Laboratoire : Centre Borelli (Gif-sur-Yvette, Essonne ; 2020-...)
Jury : Président / Présidente : Christophe Giraud
Examinateurs / Examinatrices : Philippe Preux, Myriam Maumy-Bertrand, Jonathan Louëdec, Romaric Gaudel
Rapporteurs / Rapporteuses : Philippe Preux, Myriam Maumy-Bertrand

Résumé

FR  |  
EN

Dans cette thèse de doctorat, nous étudions l'optimisation des systèmes de recommandation dans le but de fournir des suggestions de produits plus raffinées pour un utilisateur.La tâche est modélisée à l'aide du cadre des bandits multi-bras.Dans une première partie, nous abordons deux problèmes qui se posent fréquemment dans les systèmes de recommandation : le grand nombre d'éléments à traiter et la gestion des contenus sponsorisés.Dans une deuxième partie, nous étudions les performances empiriques des algorithmes de bandit et en particulier comment paramétrer les algorithmes traditionnels pour améliorer les résultats dans les environnements stationnaires et non stationnaires qui l'on rencontre en pratique.Cela nous amène à analyser à la fois théoriquement et empiriquement l'algorithme glouton qui, dans certains cas, est plus performant que l'état de l'art.