recommendation-systems

name	recommendation-systems
description	Compétence niveau expert en systèmes de recommandation. Couvre collaborative filtering, matrix factorization, SVD, ALS, neural CF, NCF, wide & deep, DLRM, two-tower, sequence models, GRU4Rec, SASRec, BERT4Rec, Transformers4Rec, session-based, graph-based recommender, PinSage, lightGCN, multi-task, multi-staged ranking, cold-start, exploration-exploitation, fairness, evaluate offline/online, A/B testing, et industrial systems (YouTube, Netflix, Spotify, Amazon).
keywords	["recommender systems","collaborative filtering","matrix factorization","neural CF","SASRec","LightGCN","ranking"]
categories	["cs.IR","cs.LG","cs.AI","stat.ML","cs.CY"]

Compétence Systèmes de Recommandation

Présentation

Cette compétence couvre l'ensemble des systèmes de recommandation, du filtrage collaboratif classique aux architectures industrielles modernes basées sur les Transformers et les GNNs.

---

Méthodes Fondamentales

• Collaborative Filtering : User-user et item-item nearest neighbors
• Matrix Factorization : SVD, FunkSVD, SVD++
• ALS (Alternating Least Squares) : Moindres carrés alternés (implicite/explicite)
• timeSVD : Factorization avec biais temporels
• Factorization Machines (FM) : Machines de factorisation (Rendle)
• FFM (Field-aware FM) : FM par champs
• DeepFM : FM + MLP (wide & deep pour features)
• xDeepFM : Explicit feature interaction via Compressed Interaction Network
• AFM (Attentional FM) : FM avec mécanisme d'attention
• NFM (Neural FM) : FM avec réseau de neurones
• Neural CF (NCF) : GMF (Generalized Matrix Factorization), MLP, NeuMF
• Wide & Deep : Google Play Store (mémoire + généralisation)
• DeepCross (DCN) : Deep & Cross Network (cross layers)
• DCNv2 : DCN amélioré avec transformations digitales
• DLRM : Deep Learning Recommendation Model (Meta)
• DIN (Deep Interest Network) : Réseau d'intérêt profond (Alibaba)
• DIEN (Deep Interest Evolution Network) : Évolution des intérêts

Sequence et Session

• Sequence Models : Modèles séquentiels prédictifs
• Session-Based : Recommandation basée sur la session en cours
• GRU4Rec : GRU pour recommandation session-based
• SR-GNN : Session-based Recommendation with Graph Neural Networks
• NISER : Normalized and Integrated Session-based Recommendation
• COTREC : Contrastive Learning for Session-based Recommendation
• SASRec : Self-Attentive Sequential Recommendation
• BERT4Rec : BERT pour recommandation séquentielle bidirectionnelle
• Transformers4Rec : Transformers pour recommandation (NVIDIA)
• P5 / Recformer : LLM pour recommandation
• LLM4Rec : Utilisation de LLM pour la recommandation
• Sequential Rules / Markov : Règles séquentielles et chaînes de Markov

Graph Recommenders

• Bipartite Graphs : Graphes user-item
• PinSage : GraphSAGE adapté pour Pinterest (random walks + GCN)
• LightGCN : GCN simplifié (ne retient que le propagation)
• NGCF : Neural Graph Collaborative Filtering
• UltraGCN : Ultra-simplification des GCNs
• SIMGCL : Simple Interest Graph Contrastive Learning
• SGL (Self-supervised Graph Learning) : Apprentissage contrastif sur graphe
• NCL (Neighborhood-enriched Contrastive Learning) : Apprentissage contrastif enrichi
• Knowledge Graph Enhanced : KGAT, CKAN, RippleNet, MKR

Ranking et Multi-stage

• Recall/Retrieval : Two-tower (query/user tower + item tower)
• ANN / HNSW : Approximate Nearest Neighbor (Hierarchical Navigable Small World)
• Coarse Ranking / Fine Ranking : Classement grossier puis fin
• Re-ranking : Réordonnancement final
• Listwise / Pairwise : Fonctions de perte listwise (LambdaRank) et pairwise
• LambdaRank / LambdaMART : RankNet avec gradient listwise
• NDCG : Normalized Discounted Cumulative Gain
• MAP : Mean Average Precision
• MRR : Mean Reciprocal Rank
• Diversity (MMR / DPP) : Maximum Marginal Relevance, Determinantal Point Process

Industrial Systems

• YouTube Deep Neural Network : Architecture YouTube (candidate generation + ranking)
• Netflix : Recommandation Netflix (collaborative + content)
• Spotify : Recommandation Spotify (collaborative + audio features)
• Amazon Item-to-Item : Item-to-item collaborative filtering
• Pinterest PinSage : Visual discovery + graph
• TikTok ForYou : Recommendation multimodale
• E-Commerce Recs : Cross-sell, upsell, frequently bought together
• News Recs : Recommandation d'articles d'actualité (Microsoft News, Google News)