FR3093845A1

FR3093845A1 - Procédé de recommandations de ressources personnalisées

Info

Publication number: FR3093845A1
Application number: FR1902703A
Authority: FR
Inventors: Gregory Palliere
Original assignee: Ziwig
Current assignee: Ziwig
Priority date: 2019-03-15
Filing date: 2019-03-15
Publication date: 2020-09-18
Anticipated expiration: 2039-03-15
Also published as: FR3093845B1

Abstract

Procédé de recommandation de ressources et de règles de prescription, comprenant l’instanciation de profils d’utilisateurs et de ressources; le calcul, d’un score de compatibilité entre la ressource et l’utilisateur ; la détection d’une activation, liée à un utilisateur, d’une ressource, l’activation de la ressource déclenchant la mesure d’un indicateur d’activation; l’ajustement, par un module de diagnostic, de la valeur d’une caractéristique de l’utilisateur, ainsi que d’une fiabilité de ladite valeur, lesdites valeur et fiabilité prenant en compte la mesure de l’indicateur d’activation; la répétition de l’étape de calcul d’un nouveau score de compatibilité entre chaque ressource et chaque utilisateur; pour une ou plusieurs ressources, propositions de modification des valeurs des caractéristiques de la ressource, à partir d’une évaluation de la cohérence entre la ressource et l’indicateur d’activation pour lesdites ressources, l’évaluation de la cohérence étant fonction du nouveau score de compatibilité calculé à l’étape précédente, entre chaque ressource et utilisateur. Figure 1

Description

Procédé de recommandations de ressources personnalisées

La présente invention concerne le domaine des moteurs de recommandations apprenants, destinés à proposer des ressources individualisées à des utilisateurs.

Il est connu de mettre en œuvre un ou plusieurs réseaux de neurones pour déterminer une ou plusieurs propositions en fonction de données collectées et sur la base d’un ensemble de règles apprises de manière supervisée ou pas.

Un inconvénient de ces systèmes experts est leur manque de transparence, associé à un mode de fonctionnement de type « boîte noire », qui rend très difficile, voire impossible, de justifier a posteriori la proposition qui a été faite par le ou les réseaux de neurones. Or, pour certaines applications, notamment lorsque la santé d’un patient est en jeu, il est absolument indispensable de pouvoir remonter aux éléments qui justifient le choix d’une proposition faite au patient, ou plus généralement à l’utilisateur de ces systèmes.

L’invention a donc pour but de proposer une solution à tout ou partie de ces problèmes.

A cet effet, la présente invention concerne un procédé assisté par ordinateur de recommandation de ressources et de recommandation de règles de prescription, comprenant les étapes suivantes :

Création d’une structure de profils, la structure de profils permettant de décrire :
- des profils d’utilisateurs;
- des profils de ressources;

chaque profil d’utilisateur étant associé à un utilisateur et chaque profil de ressources étant associé à une ressource, chaque profil d’utilisateur comprenant des caractéristiques utilisateurs et chaque profil de ressources comprenant des caractéristiques ressources, chaque caractéristique ressource étant définies par au moins une valeur relative à une caractéristique utilisateur,

Instanciation d’au moins une ressource à partir de la structure de profil, pour chaque ressource de l’au moins une ressource l’instanciation de la ressource comprenant :
- un renseignement d’au moins une caractéristique ressource parmi les caractéristiques ressources du profil de la ressource,
- une définition d’au moins un indicateur d’activation mesuré pendant ou après une activation de la ressource,
Instanciation d’au moins un utilisateur à partir de la structure de profils, l’instanciation de l’au moins un utilisateur comprenant une collecte d’une valeur représentative d’au moins une caractéristique d’un profil utilisateur pour chaque utilisateur de l’au moins un utilisateur, ladite collecte comprenant l’acquisition d’au moins une valeur physique mesurée;
Calcul, pour chaque ressource instanciée de l’au moins une ressource instanciée et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un score de compatibilité entre la ressource instanciée et l’utilisateur instancié, le calcul étant réalisé par un module de calcul;
Détection d’une activation d’une ressource instanciée de l’au moins une ressource instanciée, l’activation de la ressource instanciée activée étant liée à un utilisateur instancié de l’au moins un utilisateur instancié, l’activation de la ressource déclenchant la mesure de l’au moins un indicateur d’activation;
Ajustement, par un module de diagnostic, de la valeur d’une caractéristique de l’au moins une caractéristique du profil utilisateur de l’utilisateur instancié, ainsi que d’une fiabilité de la valeur de la caractéristique, la valeur et la fiabilité de la valeur de la caractéristique prenant en compte la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée; et/ou détermination, par le module de diagnostic, d’une valeur d’une autre caractéristique du profil utilisateur de l’utilisateur instancié, la valeur de l’autre caractéristique étant déterminée en fonction de la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée;
Répétition de l’étape de calcul d’un nouveau score de compatibilité entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié;
Pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée, production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée, par un module de recommandation de profils de ressources, les propositions étant produites à partir d’une évaluation de la cohérence entre le profil de la ressource instanciée et la mesure de l’au moins un indicateur d’activation pour la ou lesdites ressources instanciées de l’au moins une ressource instanciée, l’évaluation de la cohérence étant fonction du nouveau score de compatibilité calculé à l’étape précédente, entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié.

Par définition, le score de compatibilité, calculé à l’étape de calcul d’un score de compatibilité, est un indicateur de la compatibilité entre un profil utilisateur d’un utilisateur, et un profil ressource d’une ressource. Le score de compatibilité est utilisé principalement pour établir un classement des ressources instanciées par ordre croissant ou décroissant du score de compatibilité entre chaque ressource considérée et un utilisateur particulier, afin de déterminer, parmi l’ensemble des ressources considérées, i.e. toutes ou partie des ressources instanciées, celles des ressources qui méritent d’être proposées à l’utilisateur, en sélectionnant celle des ressources dont le score de compatibilité avec ledit utilisateur particulier est le plus élevé, ou est supérieur ou égal à un seuil déterminé, ou encore répond à un critère déterminé.

Le procédé selon l’invention, permet de calculer un score de compatibilité sur la base duquel des ressources personnalisées sont proposées à des utilisateurs en se basant sur des caractéristiques de leur profil de ces utilisateurs, notamment de physiques mesurées.

Selon un mode de mise en œuvre, l’invention comprend une ou plusieurs des caractéristiques suivantes, seules ou en combinaison.

Selon un mode de mise en œuvre, l’activation détectée à l’étape de détection d’une activation résulte d’une requête de l’utilisateur instancié ou d’un automatisme dédié à la détermination de la valeur d’une caractéristique utilisateur, par exemple la détermination d’une caractéristique incertaine, selon la définition donnée ci-dessous d’une caractéristique incertaine.

Selon un mode de mise en œuvre, la collecte comprend l’acquisition d’au moins une valeur mesurée.

Selon mode de mise en œuvre, chaque ressource comprend également un contenu, le contenu comprenant par exemple un titre, une description, une étiquette ou tag, une définition de catégorie.

Selon un mode de mise en œuvre, chaque proposition de modification d’une ressource produite à l’étape de production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée (RP) est soumise à la validation d’un expert.

Le procédé selon l’invention, permet de proposer des ressources personnalisées à des utilisateurs en se basant sur des caractéristiques de leur profil de ces utilisateurs, notamment de physiques mesurées

Selon un mode de mise en œuvre, l’instanciation d’au moins une ressource à partir de la structure de profil, est réalisée sur la base d’instructions transmises par un expert.

Selon un mode de mise en œuvre :

l’étape d’instanciation d’au moins un utilisateur comprend la génération, par un générateur de programme individualisé et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un programme de ressources, le programme de ressources étant défini comme une suite ordonnée de propositions de ressources instanciées, chaque proposition de la suite comprenant une pluralité de ressources instanciées proposées, un minimum et un maximum prédéterminés, et un écart maximum;
successivement pour chaque proposition du programme, un nombre de ressources sont sélectionnées parmi les ressources proposées de la proposition, et activées, par l’utilisateur, le nombre étant compris entre le minimum et le maximum de la proposition, et les scores de compatibilité avec l’utilisateur des ressources sélectionnées étant tous supérieurs au score de compatibilité maximum des ressources proposées, diminué de l’écart maximum.

Selon un mode de mise en œuvre, chaque proposition du programme de ressources comprend un pas, et selon la valeur du pas, l’utilisateur doit sélectionner, puis activer chaque ressource de la proposition, si le score de compatibilité avec l’utilisateur de la ressource sélectionnée est supérieur au score de compatibilité maximum, des ressources proposées dans la proposition, diminué de l’écart maximum.

Selon un mode de mise en œuvre, les caractéristiques utilisateurs comprennent des caractéristiques utilisateurs statiques et/ou des caractéristiques utilisateurs dynamiques et/ou des caractéristiques utilisateurs certaines et/ou des caractéristiques utilisateurs incertaines.

Selon un mode de mise en œuvre, à chaque caractéristique est associé un indicateur de fiabilité, la valeur de l’indicateur de fiabilité étant inférieure à 100% pour les caractéristiques incertaines, et dans lequel à chaque caractéristique est associé un indicateur de poids.

Par définition, les caractéristiques statiques sont des caractéristiques dont la valeur ne varie pas dans le temps, à l’inverse des caractéristiques dynamiques. Les caractéristiques statiques ou dynamiques peuvent être certaines, i.e. leur valeur est connue avec une fiabilité de 100%, ou incertaines, i.e. leur valeur est connue avec une fiabilité inférieure à 100 %.

Selon un mode de mise en œuvre, l‘au moins une caractéristique utilisateur collectée à l’étape d’instanciation comprend les caractéristiques statiques certaines.

Avantageusement, les caractéristiques utilisateurs statiques ou dynamiques incertaines sont déterminées par l’activation d’au moins une ressource spécifique et par la mesure de l’indicateur d’activation de l’au moins une ressource spécifique.

Selon un mode de mise en œuvre, les caractéristiques utilisateurs statiques certaines comprennent par exemple l’une des caractéristiques physiologiques parmi une taille, une date de naissance, un ratio taille du bras/avant-bras ;

Les caractéristiques utilisateurs statiques incertaines comprennent par exemple un paramètre de motricité ; le paramètre de motricité prend par exemple l’une des valeurs parmi terrien et aérien, ou vertical et horizontal, ou jambe tige droite et jambe tige gauche ; la valeur du paramètre de motricité et une fiabilité de la valeur sont déterminées, par l’activation d’au moins une ressource spécifique et par la mesure de l’indicateur d’activation de l’au moins une ressource spécifique. Selon un algorithme d’apprentissage et sur la base des valeurs d’activation mesurées pendant ou après les activations successives de l’au moins une ressource spécifique, la valeur du paramètre de motricité et une fiabilité de la valeur sont apprises, la fiabilité de la valeur augmentant progressivement.

Selon un mode de mise en œuvre, les caractéristiques utilisateurs dynamiques comprennent l’une des caractéristiques physiologiques parmi un poids, une température.

Le profil utilisateur considéré à chaque instant dans la plateforme est le profil utilisateur ajusté, conformément aux dernières mises en œuvre des étapes successives d’ajustement; le profil ajusté est le profil dont chaque caractéristique utilisateur a une valeur déterminée en fonction des dernières mesures d’indicateur d’activation, déclenchées par les dernières activations de ressources.

Selon un mode de mise en œuvre, chaque caractéristique utilisateur prend une valeur binaire, par exemple une valeur parmi {0,1} ou parmi {Vrai, Faux}, ou une valeur discrète, par exemple une valeur parmi {a,b, c, d}, ou une valeur continue, par exemple une valeur réelle comprise entre 1 et 100.

Selon un mode de mise en œuvre, les caractéristiques utilisateur forment une première liste U ordonnée de caractéristiques utilisateurs u_i, avec un indice i=1 à N, N étant un entier supérieur ou égal à 1, et pour chaque ressource R les caractériques ressource forment une deuxième liste R ordonnée de caractéristiques r_j, avec l’indice j=1 à N, de sorte que pour chaque valeur de l’indice j comprise entre 1 et N, la caractéristique ressource r_jest définie par au moins une valeur relative à la caractéristique utilisateur u_j, ou bien n’est pas définie.

Selon ces dispositions, lorsque la caractéristique ressource r_jdu profil d’une ressource est définie par l’au moins une valeur associée à la caractéristique utilisateur u_j,alors la caractéristique ressource r_jdétermine, au moins en partie, la ou les valeurs que doit prendre la caractéristique utilisateur u_jdu profil utilisateur d’un utilisateur instancié, pour que la ressource soit recommandée pour l’utilisateur instancié.

Selon un mode de mise en œuvre, à chaque caractéristique u_i,pour i=1 à N, est associé un indicateur de fiabilité ϕ_i, et dans lequel à chaque caractéristique r_j,pour j=1 à N, est associé un indicateur de poids ω_j.

Selon un mode de mise en œuvre, pour chaque utilisateur instancié dans la structure de profils, et pour chaque caractéristique u_ipour i=1 à N du profil d’utilisateur de l’utilisateur instancié, la valeur de l’indicateur de fiabilité ϕ_iindique la fiabilité de la valeur de la caractéristique u_idu profil d’utilisateur.

Selon un mode de mise en œuvre, pour chaque ressource instanciée dans la structure de profils, et pour chaque caractéristique r_jpour j=1 à N du profil de ressource de la ressource instanciée, la valeur de l’indicateur de poids ω_jindique le poids de la valeur de la caractéristique u_id’un profil d’un utilisateur qu’il faut prendre en compte, lorsque la caractéristique ressource r_jest définie, pour l’évaluation du score de compatibilité entre la ressource et l’utilisateur.

Selon un mode de mise en œuvre, le score de compatibilité entre la ressource et l’utilisateur est une fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu.

Selon un mode de mise en œuvre, le score de correspondance entre la ressouce et l’utilisateur est une fonction des caractéristiques utilisateur du profil d’utilisateur de l’utilisateur, et des caractéristiques ressource du profil de ressource de la ressource, et de l’indicateur de fiabilité associé à chaque caractéristique du profil d’utilisateur et de l’indicateur de poids associé à chaque caractéristique du profil de ressource.

Selon un mode de mise en œuvre, le score de correspondance CS_Exp(U,R) est une somme, pour i= 1 à N, d’un produit du poids ω_iet d’une valeur fonction de u_iet r_i, notée comp (u_i,r_i)_.

Selon un mode de mise en œuvre, le score de correspondance est égale à la valeur CS_Exp(U,R) calculée selon la formule précédemment décrite, multipliée par une valeur N(R) définie comme le nombre de caractéristiques utilisateurs considérées pour définir les caractéristiques ressources de la ressource R.

Selon un mode de mise en œuvre, le calcul du score de correspondance prend également en compte un score communautaire CS_communauté(R) défini comme une fonction des scores de correspondance CS_Exp(U,R) calculés selon la formule précédente pour la ressource R et l’ensemble des utilisateurs autre que U.

Ainsi, la formule de calcul d’un score de correspondance CS_Ex(U,R) est :

Selon un mode de mise en œuvre, le score collaboratif est une fonction d’un premier score collaboratif et d’un deuxième score collaboratif.

Selon un mode de mise en œuvre, le premier score collaboratif est estimé sur la base d’une correspondance entre la ressource R et chacun des utilisateurs d’un premier sous-ensemble des utilisateurs instanciés, le premier sous-ensemble comprenant les utilisateurs similaires à l’utilisateur U.

Par définition, un utilisateur U₂est similaire à un utilisateur U₁, si un nombre k de caractéristiques utilisateurs de U₁et U₂ont des valeurs communes et une fiabilité supérieure à une valeur seuil (par exemple ) et si ce nombre k est supérieur à un premier seuil θ, par exemple θ = 0,5. Une caractéristique de U₁et la caractéristique U₂ont une valeur commune si l’écart entre les valeurs de cette caractéristique pour les utilisateurs U₁et U₂est faible, i.e. inférieur à un deuxième seuil .

Trois paramètres permettent donc de déterminer qu’un utilisateur U₁est similaire à un utilisateur U₂:

Le paramètre de fiabilité minimum d’une caractéristique apprenante
La différence maximum entre 2 valeurs de même caractéristiques
Le nombre minimum de caractéristique en commun

Selon un mode de mise en œuvre, le deuxième score collaboratif est estimé sur la base d’une correspondance entre la ressource R et chacun des utilisateurs d’un deuxième sous-ensemble des utilisateurs instanciés, le deuxième sous-ensemble comprenant les utilisateurs qui ont généré un indicateur d’activation mesuré lors de l’activation d’une autre ressource R_isimilaire à l’indicateur d’activation mesuré lors de l’activation de la ressource R_ipar l’utilisateur U.

Par définition, les indicateurs d’activation générés, lors de l’activation d’un ressource R_ipar 2 utilisateurs U₁et U₂, sont considérés comme similaires, si la différence des indicateurs d’activation est inférieure à un premier paramètre , dont la valeur est proche de 0.

Ainsi le deuxième sous-ensemble des utilisateurs comprend les utilisateurs U₁et U₂ayant un coefficient de similarité sim(U₁, U₂)≥μ, où µ est un deuxième paramètre, fixé par exemple à 50%

Selon un mode de mise en œuvre, le score de contenu est une valeur représentative d’un contenu des ressources activées par un utilisateur.

Selon un mode de mise en œuvre, le score de contenu est une troisième composante du score de compatibilité.

Selon un mode de mise en œuvre le contenu d’une ressource comprend un titre, une description, une étiquette ou tag, une définition de catégorie

Le calcul score de contenu repose sur un calcul de similarité de contenu ; il se base sur une identification des sujets auxquels se rattachent les ressources que l'utilisateur a activées dans le passé et suggère des nouvelles ressources dont les sujets sont très similaires. Le sujet de la ressource est inféré à partir de données présentes dans le contenu de chaque ressource : titre, description, tags, catégorie.

Le calcul de similarité se base sur les contenus extraits des descriptions des ressources de la plateforme. L’ensemble des contenus sera indexé par un algorithme d’apprentissage semi-supervisé (indexation sémantique latente, ou en anglais Latent Semantic Analysis (LSA), afin d’identifier le nombre de sujets relatif à chaque ressource. Le calcul de similarité entre deux ressources utilisera les mot clefs principaux retenus associés à chaque sujet se rapportant aux ressources.

Dans la pratique, les sujets se rapportant aux ressources activées par un utilisateur seront utilisés pour identifier des ressources ayant des sujets similaires.

Un algorithme de calcul de la matrice de similarité entre chaque ressource se base sur le contenu associé aux ressources. Cette matrice permet d’obtenir un index de comparaison entre chaque couple de ressource. Cet index mesure la similarité des ressources sur la base des mots clefs associés à chaque sujet.

La méthode du cosinus permet avantageusement de mesurer la similarité entre deux documents à partir des vecteurs représentant les mots clefs de chaque document. La similarité entre 2 documents, dans notre cas entre 2 ressources, est associée au produit scalaire de ces 2 vecteurs représentant les ressources et donc la mesure de l’angle entre ces deux vecteurs.

Selon un mode de mise en œuvre, l’étape de répétition de l’étape de calcul du score de compatibilité entre la ressource et l’utilisateur est activée lorsqu’une des caractéristiques u_iou la valeur d’un indicateur de fiabilité ϕi d’une des caractéristiques u_idu profil utilisateur a été modifiée.

Selon un mode de mise en œuvre, l’étape de répétition de l’étape de calcul du score de compatibilité entre la ressource et l’utilisateur est activée lorsque une des caractéristiques r_iou la valeur d’un des indicateurs poids d’une des caractéristiques r_idu profil de ressource a été modifiée.

Selon un aspect, l’invention concerne également un procédé assisté par ordinateur de calcul d’un score de compatibilité entre une ressource et un utilisateur pour la recommandation de ressources et de règles de prescription, le procédé comprenant les étapes suivantes :
- Création d’une structure de profils, la structure de profils permettant de décrire :
- des profils d’utilisateurs;
- des profils de ressources;
chaque profil d’utilisateur étant associé à un utilisateur et chaque profil de ressources étant associé à une ressource, chaque profil d’utilisateur comprenant des caractéristiques utilisateurs et chaque profil de ressources comprenant des caractéristiques ressources, chaque caractéristique ressource étant définies par au moins une valeur relative à une caractéristique utilisateur,
- Instanciation d’au moins une ressource à partir de la structure de profil, pour chaque ressource de l’au moins une ressource l’instanciation de la ressource comprenant :
- un renseignement d’au moins une caractéristique ressource parmi les caractéristiques ressources du profil de la ressource,
- une définition d’au moins un indicateur d’activation mesuré pendant ou après une activation de la ressource,
- Instanciation d’au moins un utilisateur à partir de la structure de profils, l’instanciation de l’au moins un utilisateur comprenant une collecte d’une valeur représentative d’au moins une caractéristique d’un profil utilisateur pour chaque utilisateur de l’au moins un utilisateur, ladite collecte comprenant l’acquisition d’au moins une valeur physique mesurée;
- Calcul, pour chaque ressource instanciée de l’au moins une ressource instanciée et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un score de compatibilité entre la ressource instanciée et l’utilisateur instancié, le calcul étant réalisé par un module de calcul;
- Détection d’une activation d’une ressource instanciée de l’au moins une ressource instanciée, l’activation de la ressource instanciée activée étant liée à un utilisateur instancié de l’au moins un utilisateur instancié, l’activation de la ressource déclenchant la mesure de l’au moins un indicateur d’activation;
- Répétition de l’étape de calcul d’un nouveau score de compatibilité entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié;
le score de compatibilité entre la ressource et l’utilisateur étant une fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu.

Le procédé selon l’invention, permet de proposer des ressources personnalisées à des utilisateurs en se basant sur des caractéristiques du profil de ces utilisateurs, notamment des valeurs physiques mesurées.

Selon un aspect de l’invention, l’instanciation d’au moins une ressource à partir de la structure de profil, est réalisée sur la base d’instructions transmises par un expert.

Selon mode de mise en œuvre,:
- l’étape (E2) d’instanciation d’au moins un utilisateur comprend la génération, par un générateur de programme individualisé (PIE) et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un programme de ressources (PR), le programme de ressources (PR) étant défini comme une suite ordonnée de propositions de ressources instanciées, chaque proposition de la suite comprenant une pluralité de ressources instanciées proposées, un minimum et un maximum prédéterminés, et un écart maximum;
- successivement pour chaque proposition du programme, un nombre de ressources sont sélectionnées parmi les ressources proposées de la proposition, et activées, par l’utilisateur, le nombre étant compris entre le minimum et le maximum de la proposition, et les scores de compatibilité avec l’utilisateur des ressources sélectionnées étant tous supérieurs au score de compatibilité maximum des ressources proposées, diminué de l’écart maximum.

Selon mode de mise en œuvre, les caractéristiques utilisateurs comprennent des caractéristiques utilisateurs statiques et/ou des caractéristiques utilisateurs dynamiques et/ou des caractéristiques utilisateurs certaines et/ou des caractéristiques utilisateurs incertaines.

Selon mode de mise en œuvre, à chaque caractéristique est associé un indicateur de fiabilité, la valeur de l’indicateur de fiabilité étant inférieure à 100% pour les caractéristiques incertaines, et dans lequel à chaque caractéristique est associé un indicateur de poids.

Ainsi, la formule de calcul d’un score de correspondance CS_Ex(U,R) est :

Selon un mode de mise en œuvre, l’étape de répétition de l’étape de calcul du score de compatibilité entre la ressource et l’utilisateur est activée lorsqu’une des caractéristiques r_iou la valeur d’un des indicateurs poids d’une des caractéristiques r_idu profil de ressource a été modifiée.

Selon un mode de mise en oeuvre, le procédé comprend les étapes suivantes :
- Ajustement, par un module de diagnostic, de la valeur d’une caractéristique de l’au moins une caractéristique du profil utilisateur de l’utilisateur instancié, ainsi que d’une fiabilité de la valeur de la caractéristique, la valeur et la fiabilité de la valeur de la caractéristique prenant en compte la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée; et/ou détermination, par le module de diagnostic, d’une valeur d’une autre caractéristique du profil utilisateur de l’utilisateur instancié, la valeur de l’autre caractéristique étant déterminée en fonction de la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée;
- Pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée, production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée, par un module de recommandation de profils de ressources, les propositions étant produites à partir d’une évaluation de la cohérence entre le profil de la ressource instanciée et la mesure de l’au moins un indicateur d’activation pour la ou lesdites ressources instanciées de l’au moins une ressource instanciée, l’évaluation de la cohérence étant fonction du nouveau score de compatibilité calculé à l’étape précédente, entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié.

Selon un mode de mise en œuvre, chaque proposition de modification d’une ressource produite à l’étape de production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée est soumise à la validation d’un expert.

Selon un aspect, l’invention concerne également un procédé assisté par ordinateur de génération d’un programme de ressources, comprenant les étapes suivantes :
- Création d’une structure de profils, la structure de profils permettant de décrire :
- des profils d’utilisateurs;
- des profils de ressources;
chaque profil d’utilisateur étant associé à un utilisateur et chaque profil de ressources étant associé à une ressource, chaque profil d’utilisateur comprenant des caractéristiques utilisateurs et chaque profil de ressources comprenant des caractéristiques ressources, chaque caractéristique ressource étant définies par au moins une valeur relative à une caractéristique utilisateur,
- Instanciation d’au moins une ressource à partir de la structure de profil, pour chaque ressource de l’au moins une ressource l’instanciation de la ressource comprenant :
- un renseignement d’au moins une caractéristique ressource parmi les caractéristiques ressources du profil de la ressource
- une définition d’au moins un indicateur d’activation mesuré pendant ou après une activation de la ressource,
- Instanciation d’au moins un utilisateur à partir de la structure de profils, l’instanciation de l’au moins un utilisateur comprenant une collecte d’une valeur représentative d’au moins une caractéristique d’un profil utilisateur pour chaque utilisateur de l’au moins un utilisateur, ladite collecte comprenant l’acquisition d’au moins une valeur physique mesurée;
- Calcul, pour chaque ressource instanciée de l’au moins une ressource instanciée et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un score de compatibilité entre la ressource instanciée et l’utilisateur instancié, le calcul étant réalisé par un module de calcul ;
- Détection d’une activation d’une ressource instanciée de l’au moins une ressource instanciée, l’activation de la ressource instanciée activée étant liée à un utilisateur instancié de l’au moins un utilisateur instancié, l’activation de la ressource déclenchant la mesure de l’au moins un indicateur d’activation;
- Répétition de l’étape de calcul d’un nouveau score de compatibilité entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié ;
l’étape d’instanciation d’au moins un utilisateur comprenant la génération, par un générateur de programme individualisé et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un programme de ressources, le programme de ressources étant défini comme une suite ordonnée de propositions de ressources instanciées, chaque proposition de la suite comprenant une pluralité de ressources instanciées proposées, un minimum et un maximum prédéterminés, et un écart maximum, afin que, successivement pour chaque proposition du programme, un nombre de ressources sont sélectionnées parmi les ressources proposées de la proposition, et activées, par l’utilisateur, le nombre étant compris entre le minimum et le maximum de la proposition, et les scores de compatibilité avec l’utilisateur des ressources sélectionnées étant tous supérieurs au score de compatibilité maximum des ressources proposées, diminué de l’écart maximum.

Ainsi, la formule de calcul d’un score de correspondance CS_Ex(U,R) est :

Selon un mode de mise en oeuvre, le procédé comprend en outre les étapes suivantes :
- Ajustement, par un module de diagnostic, de la valeur d’une caractéristique de l’au moins une caractéristique du profil utilisateur de l’utilisateur instancié, ainsi que d’une fiabilité de la valeur de la caractéristique, la valeur et la fiabilité de la valeur de la caractéristique prenant en compte la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée; et/ou détermination, par le module de diagnostic, d’une valeur d’une autre caractéristique du profil utilisateur de l’utilisateur instancié, la valeur de l’autre caractéristique étant déterminée en fonction de la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée;
- Pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée, production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée, par un module de recommandation de profils de ressources, les propositions étant produites à partir d’une évaluation de la cohérence entre le profil de la ressource instanciée et la mesure de l’au moins un indicateur d’activation pour la ou lesdites ressources instanciées de l’au moins une ressource instanciée, l’évaluation de la cohérence étant fonction du nouveau score de compatibilité calculé à l’étape précédente, entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié.

Pour sa bonne compréhension, l’invention est décrite en référence aux dessins ci-annexés représentant, à titre d’exemple non limitatif, une forme de réalisation d’un dispositif selon l’invention. Les mêmes références sur les dessins désignent des éléments similaires ou des éléments dont les fonctions sont similaires.

est une vue schématique d’un mode de réalisation d’une plateforme configurée pour mettre en œuvre le procédé selon l’invention.

est une illustration schématique des étapes d’un procédé de recommandations de ressources personnalisées selon un aspect de l’invention.

est un graphique illustrant l’évolution temporelle des fonctions de pondération des composantes du score compatibilité.

est une représentation schématique d’un programme de ressources.

est une illustration schématique des étapes d’un procédé de calcul d’un score de compatibilité selon un autre aspect l’invention.

est une illustration schématique des étapes d’un procédé de génération d’un programme de ressources selon un autre aspect l’invention.

Selon un mode de mise en œuvre, le procédé est mis en œuvre par une plateforme informatique dont un mode de réalisation est illustré sur la figure 1. Ladite plateforme comprend un ou plusieurs ordinateurs sur lesquels un ou plusieurs moteurs d’intelligence artificielle sont implémentés et configurés pour mettre en œuvre les étapes du procédé.

Par définition, un utilisateur U de la plateforme a accès à un ensemble de ressources R, ainsi qu’à des programmes de ressources PR définis par des experts Ex.

Un utilisateur U est décrit dans la plateforme par des caractéristiques utilisateurs ; les caractéristiques utilisateurs définissent des éléments structurels propre à l’utilisateur. Le profil d’utilisateur UP est défini par l’ensemble des caractéristiques utilisateur utilisées pour décrire un utilisateur U dans la plateforme.

Les caractéristiques utilisateurs comprennent des caractéristiques utilisateurs statiques et/ou des caractéristiques utilisateurs dynamiques et/ou des caractéristiques utilisateurs certaines et/ou des caractéristiques utilisateurs incertaines, les caractéristiques utilisateurs incertaines étant apprises et associées à une fiabilité.

Avantageusement, les caractéristiques utilisateurs statiques ou dynamiques incertaines sont déterminées par l’activation d’au moins une ressource spécifique et par la mesure de l’indicateur d’activation de l’au moins une ressource spécifique. La détermination et l’ajustement des caractéristiques incertaines est réalisée par un moteur de diagnostic DE de la plateforme, selon des modalités qui seront décrites plus en détail ultérieurement.

Une ressource R est décrite dans la plateforme par des caractéristiques ressources ; chaque caractéristique ressource définit, au moins en partie, la ou les valeurs que doit prendre une caractéristique utilisateur correspondante d’un utilisateur, pour que la ressource soit recommandée pour l’utilisateur U, par le moteur de recommandation de profil de ressource RPRE. Le profil de ressource RP est défini par l’ensemble des caractéristiques ressources utilisées pour décrire une ressource dans la plateforme. Certaines ressources sont sans profil. Une ressource est sans profil s’il n’existe aucune caractéristique utilisateur pour laquelle une valeur ou une gamme de valeur a été définie pour déterminer au moins en partie, la ou les valeurs que doit prendre la caractéristique utilisateur d’un utilisateur, pour que la ressource soit recommandée pour l’utilisateur. Outre la ou les valeurs des caractéristiques utilisateurs ciblées par la ressource, chaque ressource comprend un contenu, par exemple un titre, une description, une étiquette ou tag, une définition de catégorie.

Un expert Ex est un individu qui maîtrise un domaine d’expertise et qui implémente sur la plateforme un ensemble de ressources R et de programmes de ressources PR, au profit des utilisateurs U de la plateforme.

Une ressource R est un moyen technique, susceptible d’être mis à disposition d’un utilisateur à des fins pédagogiques, ou thérapeutiques ; la ressource R peut se présenter sous la forme d’un support documentaire, illustré par des images et/ou des vidéos ; la ressource peut également prendre la forme d’un objet connecté, d’un moyen de mesure ou d’un moyen de test médical ou d’un aliment probiotique, et être accompagnée d’un mode d’emploi en vue d’une utilisation efficace, adaptée au profil de l’utilisateur UP.

Un programme de ressources PR est un ensemble de ressources structuré par étapes successives, chaque étape du programme comprenant un sous-ensemble de l’ensemble des ressources, et définissant une étape d’un parcours complet défini par le programme de ressources.

L’activation d’une ressource R peut être déclenchée par un utilisateur U ou par un automatisme dédié à la détermination de la valeur d’une caractéristique utilisateur, par exemple la détermination d’une caractéristique incertaine.

L’activation d’une ressource déclenche la mesure d’au moins un indicateur d’activation FS-FP.

Selon un mode de mise en œuvre, la mesure de l’au moins un indicateur d’activation FS-FP comprend la réalisation d’au moins un test par l’intermédiaire de capteurs, un des capteurs étant par exemple une caméra, connectés à la plateforme, ou la saisie manuelle d’un résultat de l’activation de la ressource.

L’au moins un indicateur d’activation FS-FP comprend un premier indicateur spécifique et un deuxième indicateur de performance.

Le premier indicateur spécifique est représentatif par exemple de la valeur d’une caractéristique utilisateur incertaine et est utilisé par le procédé pour déterminer la valeur et une fiabilité de cette valeur pour cette caractéristique utilisateur.

Le deuxième indicateur de performance est représentatif d’une performance de la ressource pour un utilisateur. Selon un mode de mise en œuvre, le deuxième indicateur de performance basé sur 3 indicateurs : un indicateur de qualité, un indicateur de facilité d’utilisation par l’utilisateur, et un indicateur de progression de l’utilisateur.

Le procédé 100 selon l’invention est un procédé assisté par ordinateur de recommandation de ressources à des utilisateurs U et de recommandation de règles de prescription à des experts Ex. Un mode de mise en œuvre du procédé 100 selon l’invention va maintenant être décrit en référence à la figure 1 et à la figure 2.

Le procédé 100 comprend une première étape E0 de création d’une structure de profils PS, la structure de profils PS définissant des :

des profils d’utilisateurs UP , comprenant des caractéristiques utilisateurs, et adaptés pour décrire des utilisateurs U en renseignant les caractéristiques utilisateurs des profils utilisateurs UP ;
des profils de ressources RP, comprenant des caractéristiques ressources, et adaptés pour décrire des ressources R en renseignant les caractéristiques ressources des profils ressources RP ;

chaque profil d’utilisateur UP renseigné étant associé à un utilisateur instancié sur la plateforme, au cours d’une étape d’instanciation E1, et chaque profil de ressources RP renseigné étant associé à une ressource instanciée sur la plateforme, au cours d’une l’étape d’instanciation d’une ou plusieurs ressources E1 et au cours d’une étape d’instanciation d’un ou plusieurs utilisateurs E2.

Au cours de l’étape d’instanciation d’une ou plusieurs ressources E1, un indicateur d’activation FS,FP est défini pour chaque ressource instanciée R. Comme indiqué précédemment, l’indicateur d’activation FS,FP est destiné à être mesuré pendant ou après une activation de la ressource.

L’étape d’instanciation E2 d’un ou plusieurs utilisateurs, comprend une collecte, pour chaque utilisateur, d’une valeur représentative d’au moins une caractéristique du profil utilisateur UP, ladite collecte comprenant l’acquisition d’au moins une valeur mesurée. Selon un mode de mise en œuvre, l’au moins une valeur mesurée comprend un poids de l’utilisateur mesuré par une balance connectée, une pression mesurée par un capteur de pression intégré aux chaussures et configuré pour mesurer une pression ou une répartition de la pression à l’avant et à l’arrière du pied de l’utilisateur, un séquençage ADN, une mesure d’un risque pandémique provenant des systèmes de mesure de l’OMS (Organisation Mondiale de la Santé), un nombre d’arythmie cardiaque mesuré par un capteur intégré, par exemple, à une montre connectée, une activité physique journalière mesurée par capteur d’activité intégré, par exemple, à une montre connectée….

Le procédé 100 comprend un calcul E3, pour chaque ressource instanciée R, et pour chaque utilisateur instancié U, d’un score de compatibilité CS entre la ressource instanciée et l’utilisateur instancié, le calcul étant réalisé par un module de calcul CE. Un mode de mise en œuvre du score de compatibilité sera décrit en détail ultérieurement.

Le procédé 100 comprend une étape E4 de détection d’une activation d’une ressource instanciée R, l’activation étant liée à un utilisateur instancié U ; l’activation de la ressource R déclenche alors la mesure d’au moins un indicateur d’activation FS,FP.

Selon un mode de mise en œuvre, l’activation détectée à l’étape E4 résulte d’une requête de l’utilisateur instancié ou d’un automatisme dédié à la détermination de la valeur d’une caractéristique utilisateur, par exemple la détermination d’une caractéristique incertaine.

Le procédé 100 comprend une étape d’ajustement E5, par un module de diagnostic DE, de la valeur d’une caractéristique du profil utilisateur UP de l’utilisateur instancié U, ainsi que d’une fiabilité de la valeur de la caractéristique, la valeur ajustée et la fiabilité ajustée de la valeur de la caractéristique prenant en compte la mesure d’un indicateur d’activation FS,FP généré par une activation liée à l’utilisateur U d’une ou plusieurs ressources instanciées R; l’étape d’ajustement E5 comprend également la détermination, par le module de diagnostic DE, d’une valeur initiale d’une caractéristique du profil utilisateur UP de l’utilisateur instancié U, ladite valeur initiale de ladite caractéristique étant déterminée en fonction de la mesure d’un indicateur d’activation généré par une activation liée à l’utilisateur U d’une ou plusieurs ressources instanciées R;

L’étape E3 de calcul d’un nouveau score de compatibilité CS entre chaque ressource instanciée et chaque utilisateur instancié est répétée régulièrement, au cours d’une étape E6, chaque fois que de nouvelles caractéristiques utilisateurs ont été déterminées, ou ajustées au cours de l’étape E5.

Pour une ou plusieurs ressources instanciées R, des propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources, sont produites au cours d’une étape E7 par un module de recommandation de profils de ressources RPRE ; les propositions sont soumises à la validation d’un expert ; les propositions sont produites sur la base des profils des utilisateurs U ayant activé la ressource analysée en générant un indicateur d’activation FS,FP comprenant un indicateur de performance élevée.

Ces nouvelles recommandations de profil ressource sont ensuite proposées à l’expert afin d’affiner le profil de la ressource analysée RP.

Une fois le profil de la ressource RP ajusté par l’expert, le score de compatibilité pour tous les utilisateurs est ainsi recalculé suivant l’étape E3 exécutée par le procédé 100.

Selon un aspect, l’invention concerne également un procédé 200 assisté par ordinateur de calcul d’un score de compatibilité entre une ressource et un utilisateur pour la recommandation de ressources et de règles de prescription, le procédé 200 comprenant les étapes E0, E1, E2, E3, E4 et E6 décrites ci-avant, le score de compatibilité CS entre la ressource et l’utilisateur étant une fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu, comme cela sera décrit en détail ultérieurement.

Selon un autre aspect, l’invention concerne également un procédé 300 assisté par ordinateur de génération d’un programme de ressources, le procédé 300 comprenant les étapes E0, E1, E2, E3, E4 et E6 décrites ci-avant, l’étape E2 d’instanciation d’au moins un utilisateur comprenant la génération, par un générateur de programme individualisé PIE, pour chaque utilisateur instancié, d’un programme de ressources PR, le programme PR étant défini par un expert Ex comme une suite ordonnée de propositions P1, P2 de ressources instanciées, chaque proposition de la suite constituant une étape du programme et comprenant une pluralité de ressources instanciées proposées à un utilisateur. Chaque proposition ou étape du programme peut comprendre plusieurs sous-étape SE1, SE2, SE3, comme cela est illustré sur la figure 4. Chaque proposition ou étape P1, P2 du programme est définie en outre par un premier nombre et un deuxième nombre, ainsi que par un écart maximum, et par un pas. Le pas prend la valeur ET ou OU.

L’utilisateur est invité à sélectionner et activer, selon l’étape E4, parmi les ressources proposées pour chaque étape du programme, sur la base de critères définis par le premier nombre, le deuxième nombre, l’écart maximum, et le pas défini dans la proposition ou l’étape considérée dudit programme ; ainsi l’utilisateur est invité à sélectionner et activer parmi les ressources proposées:

un nombre de ressources compris entre le premier nombre et le deuxième nombre définis par la proposition ;
les ressources dont le score de compatibilité avec l’utilisateur est supérieur au score de comptabilité maximum des ressources proposées à cette étape moins l’écart maximum;

Si le pas vaut ET, l’utilisateur est invité à répéter la sélection et l’activation de toutes les ressources proposées selon les critères indiqués ci-avant. Si le pas vaut OU, l’utilisateur est invité à choisir de répéter ou ne pas répéter la sélection et l’activation d’une ou plusieurs ressources selon les critères indiqués ci-avant. S’il choisit de ne pas répéter, ou lorsqu’il a activé toutes les ressources répondant aux critères de la proposition dont le pas vaut ET, alors il passe à la proposition suivante.

Par définition, le score de compatibilité est un indicateur de la compatibilité entre un profil utilisateur d’un utilisateur, et un profil ressource d’une ressource. Le score de compatibilité est utilisé principalement pour établir un classement des ressources instanciées par ordre croissant ou décroissant du score de compatibilité entre chaque ressource considérée et un utilisateur particulier, afin de déterminer, parmi l’ensemble des ressources considérées, i.e. toutes ou partie des ressources instanciées, celles des ressources qui méritent d’être proposées à l’utilisateur, en sélectionnant celle des ressources dont le score de compatibilité avec ledit utilisateur particulier est le plus élevé, ou est supérieur ou égal à un seuil déterminé, ou encore répond à un critère déterminé.

Un score de compatibilité est également défini entre un utilisateur et un programme de ressources tel que défini plus haut. Le score de compatibilité entre un utilisateur et un programme de ressources est une fonction, par exemple une moyenne des scores de compatibilité entre l’utilisateur et les ressources comprises dans le programme.

Un mode de calcul du score de compatibilité va maintenant être décrit en détail. Le score de compatibilité entre une ressource et un utilisateur est une fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu.

Un mode de calcul du score de correspondance va être décrit en détail. Le score de correspondance entre la ressouce et l’utilisateur est une fonction des caractéristiques utilisateur du profil d’utilisateur de l’utilisateur, et des caractéristiques ressource du profil de ressource de la ressource, et de l’indicateur de fiabilité associé à chaque caractéristique du profil d’utilisateur et de l’indicateur de poids associé à chaque caractéristique du profil de ressource.

Pour chaque utilisateur U, les caractéristiques utilisateur forment une première liste (U) ordonnée de caractéristiques utilisateurs u_i, avec un indice i=1 à N, N étant un entier supérieur ou égal à 1, et pour chaque ressource R les caractériques ressource forment une deuxième liste (R) ordonnée de caractéristiques r_j, avec l’indice j=1 à N, de sorte que pour chaque valeur de l’indice j comprise entre 1 et N, la caractéristique ressource r_jest définie par au moins une valeur relative à la caractéristique utilisateur u_j, ou bien n’est pas définie.

A chaque caractéristique u_i,pour i=1 à N, est associé un indicateur de fiabilité ϕ_i, et dans lequel à chaque caractéristique r_j,pour j=1 à N, est associé un indicateur de poids ω_j.

Selon un mode de mise en œuvre, pour chaque utilisateur instancié dans la structure de profils (SP), et pour chaque caractéristique u_ipour i=1 à N du profil d’utilisateur (UP) de l’utilisateur instancié, la valeur de l’indicateur de fiabilité ϕ_iindique la fiabilité de la valeur de la caractéristique u_idu profil d’utilisateur.

Selon un mode de mise en œuvre, pour chaque ressource instanciée dans la structure de profils SP, et pour chaque caractéristique r_jpour j=1 à N du profil de ressource RP de la ressource instanciée, la valeur de l’indicateur de poids ω_jindique le poids de la valeur de la caractéristique u_id’un profil d’un utilisateur qu’il faut prendre en compte, lorsque la caractéristique ressource r_jest définie, pour l’évaluation du score de compatibilité entre la ressource et l’utilisateur.

Selon un mode de mise en œuvre, le score de correspondance est une somme, pour i= 1 à N, d’un produit du poids ω_iet d’une valeur fonction de u_iet r_i, notée comp (u_i,r_i)_.

Selon ce mode de mise en œuvre, la fonction est par exemple égale à SC avec :

La valeur de la fonctioncomp(u_i,r_i) est par exemple définie par le tableau ci-dessous, selon que la caractéristique u_i,ou r_i,est renseignée ou bien ne l’est pas:

u _i ∈ r _i est à comprendre au sens deu _i se trouve dans l’intervalle de valeur spécifiée au sein der _i .

La fonction ∆ est une fonction permettant de moduler la valeur de la fiabilité en fonction des cas d’usage. Cette fonction sera par exemple paramétrable afin de pouvoir traiter différents cas d’usage. Par exemple, dans une modélisation linéaire de type ∆(φ)=1-φ:

Selon un autre exemple de modélisation par palier :

Selon ce mode de mise en œuvre, le calcul du score de correspondance CS_Exp(U,R) rend une valeur comprise entre 0 et 1, soit entre 0 % et 100%, et s’applique quel que soit la nature des caractéristiques considérées.

Selon un mode de mise en œuvre, le calcul du score de correspondance prend également en compte un score communautaire CS_communauté(R) défini comme une fonction des scores de correspondance CS_Exp(U,R) calculés selon la formule précédente pour l’ensemble des utilisateurs autre que U et la ressource R.

Selon ce mode de mise en œuvre, la formule de calcul d’un score de correspondance CS_Ex(U,R) devient :

Par exemple, pour un CS_Exp(U,R)=0.80 et pour un score de communautaire de 3.2 sur 5, soit ramené entre 0 et 1, CS_communauté(R)= 0.64, suivant que la ressource comporte N(R)=7 ou 1caractéristiques, nous n’aurons pas du tout le même résultat final.

Dans le premier cas nous obtiendrons CS_Ex(U,R) = 0.78 au lieu de 0.80 alors que dans le second cas CS_Ex(U,R) =0.72. La communauté prend un poids plus important sur les profils ressource généraux pour lesquels le nombre de caractéristique N(R) est faible.

Un mode de calcul du score collaboratif va maintenant être décrit. Le score collaboratif est une fonction d’un premier score collaboratif et d’un deuxième score collaboratif.

Par définition, un utilisateur U₂est similaire à un utilisateur U₁, si un nombre k de caractéristiques utilisateurs de U₁et U₂ont des valeurs communes et une fiabilité supérieure à une valeur seuil (par exemple φ_s=80%) et si ce nombre k est supérieur à un premier seuil θ, par exemple θ = 0,5. Une caractéristique de U₁et la caractéristique U₂ont une valeur commune si l’écart entre les valeurs de cette caractéristique pour les utilisateurs U₁et U₂est faible, i.e. inférieur à un deuxième seuil . Il est très important de tenir compte des valeurs des caractéristiques utilisateurs des profils ajustés selon l’étape E5 du procédé.

3 paramètres permettent donc de déterminer qu’un utilisateur U₁est similaire à un utilisateur U₂:

S_U1,U2(φ_s,∈) représente l’ensemble des caractéristiques communes entre les deux utilisateurs U₁et U₂.

La similarité entre 2 utilisateurs revient à calculer le nombre de caractéristiques communes divisé par le nombre total de caractéristiques de l’utilisateur de référence.

Les utilisateurs similaires de U₁seront ceux ayant sim(U₁, U₂)≥θ

Nous considérons donc l’ensemble suivant :

Par définition :

Rating(U,R) est la valeur normalisée, comprise dans l’intervalle ]0,1], de l’indicateur d’activation (FS-FP) mesuré lors de l’activation de la ressource R par l’utilisateur U.
(Rating(U), avec une barre au-dessus, est la valeur moyenne normalisée, comprise dans l’intervalle ]0,1], des indicateurs d’activation (FS-FP) mesurés lors de l’activation de l’ensemble des ressources activées par l’utilisateur U.

Ainsi le premier score collaboratif CS_{CF 1}(U,R) entre un utilisateur U et une ressource R non activée par l’utilisateur U se définit, par exemple, comme suit :

Selon un mode de mise en œuvre, le deuxième score collaboratif est estimé sur la base d’une correspondance entre la ressource R et chacun des utilisateurs d’un deuxième sous-ensemble des utilisateurs instanciés, le deuxième sous-ensemble comprenant les utilisateurs qui ont généré un indicateur d’activation (FS-FP) mesuré lors de l’activation d’une autre ressource R_isimilaire à l’indicateur d’activation (FS-FP) mesuré lors de l’activation de la ressource R_ipar l’utilisateur U.

Par définition, les indicateurs d’activation générés, lors de l’activation d’un ressource R_ipar 2 utilisateurs U₁et U_2,seront considérés comme similaires, si la différence des indicateurs d’activation est inférieure à un premier paramètre ∈, dont la valeur est proche de 0.

Par définition le deuxième sous-ensemble des utilisateurs comprend les utilisateurs U₁et U₂qui sont tels que :

Où :

Et où :

C'est-à-dire que S_{(U1,U2 )}(μ) représente l’ensemble des ressources R_idont les indicateurs d’activation générés respectivement par U₁et U₂sont très proches, i.e. dont l’écart est inférieur au premier paramètre .

Le dénominateur de l’équation 7 représente l’ensemble des ressources évaluées par l’utilisateur

Ainsi le deuxième sous-ensemble des utilisateurs comprend les utilisateurs etU ₂ ayant un coefficient de similarité sim(U₁, U₂)≥μ, où µ est un deuxième paramètre, fixé par exemple à 50%

Le deuxième score collaboratif est ainsi estimé par exemple sur la base de la formule suivante :

Le score collaboratif est finalement calculé sur la base du premier score collaboratif et du deuxième score collaboratif, par exemple selon la formule :

Selon un mode de mise en œuvre, une troisième composante du score de compatibilité est un score de contenu. Un mode de calcul du score de contenu va maintenant être décrit.

Le calcul du score de contenu repose sur un calcul de similarité de contenu ; il se base sur une identification des sujets auxquels se rattachent les ressources que l'utilisateur a activées dans le passé et suggère des nouvelles ressources dont les sujets sont très similaires. Le sujet de la ressource quant à lui est inféré à partir de données présentes au niveau de chaque ressource : Titre, Description, Tags, Catégorie.

La méthode du cosinus permet avantageusement de mesurer la similarité entre deux documents à partir des vecteurs représentant les mots clefs de chaque document. La similarité entre 2 documents, dans notre cas entre 2 ressources, est associée au produit scalaire de ces 2 vecteurs représentant les ressources et donc la mesure de l’angle entre ces deux vecteurs. Cette similarité est notée:

Deux nouveaux paramètres sont pris en compte :

Un seuil d’appréciation qui correspond à une valeur de l’indicateur d’activation à partir duquel les ressources activées par l’utilisateur sont considérées dans le calcul du score de comptabilité du moteur de contenu.

Un seuil de similarité qui correspond au filtre sur les ressources non activées à considérer.

L’ensemble des ressources évaluées par l’utilisateur U ayant une évaluation supérieure au seuil d’appréciation est noté :

L’ensemble des ressources non activées similaires aux ressources activées, avec un score de similarité supérieur à un seuil de similarité prédéfini est noté :

Le calcul du score de contenu d’une ressource R et d’un utilisateur U est la somme des scores de similarité entre la ressource R et les ressources de l’ensemble pondéré par le score d’évaluation des ressources évaluées par l’utilisateur.

Selon un mode de mise en œuvre un historique de indicateurs d’activation généré par l’utilisateur U est pris en compte pour le calcul du score de contenu d’une ressource non activée par l’utilisateur.

Selon un mode de mise en œuvre, le score de compatibilité, fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu s’exprime comme suit

Le calcul du CS total dépend du temps alors que les calculs indépendants ne prennent pas en considération cette variable. Cela vient du fait que les poids de chaque modèle sont des fonctions temporelles et non des constantes.

Ainsi, une personne n’ayant pas eu de nouvelle activité au sein de la plateforme peut voir son score varier par rapport à une même ressource et cela plusieurs facteurs peuvent l’expliquer et nous allons détailler cela en présentant les fonctions de pondération de chaque composante du score de compatibilité.

ω_EX(t) est une fonction de pondération du score de correspondance :

Ce poids caractérise la fréquence de mise à jour du profile de la ressource par l’expert. Un profil qui n’est jamais réajusté se voit attribué d’un poids décroissant dans le temps. Le poids retrouvant sa position maximale dès que l’expert ajuste le profil de la ressource. Ce dernier est toujours prioritaire devant les autres poids des moteurs.

ω_CF(t) est une fonction de pondération du score collaboratif :

Ce poids est nul tant qu’un seuil critique de retour d’évaluation n’a pas été atteint τ_CF. Ce seuil est un paramètre de la plateforme. Une fois le seuil atteint, le poids est une fonction croissante lié au volume de retour d’évaluation et donc une fonction croissante du temps jusqu’à atteindre une valeur maximale.

ω_CB(t) est une fonction de pondération du score de contenu

De même que le poids du score collaboratif, ce dernier est une fonction croissante du temps mais avec un seuil plus élevé τ_Cbafin de tenir compte d’un volume plus important de ressources et de retours utilisateur dans la plateforme. Ce seuil est aussi un paramètre de la plateforme.

Les évolutions temporelles des fonctions qui pondèrent les composantes du score de compatibilité sont illustrées sur la figure 3. Au fil du temps, le poids du score collaboratif et le poids score de contenu deviennent plus importants et rejoignent le poids du score de correspondance.

Comme cela a été indiqué ci-avant, les caractéristiques utilisateurs sont déterminées et/ou ajustées par un module de diagnostic qui exploite à cet effet les indicateurs d’activation de certaines ressources.

Un mode de réalisation et de fonctionnement du moteur de diagnostic va maintenant être décrit plus en détail.

Comme cela a été précisé plus haut, l’activation d’une ressource génère un indicateur d’activation qui comprend un premier indicateur spécifique et un deuxième indicateur de performance.

Le moteur de diagnostic utilise en entrée le premier indicateur spécifique généré par l’activation d’une ressource pour déterminer ou ajuster une ou plusieurs caractéristiques utilisateurs du profil de l’utilisateur. Ainsi les valeurs de ces caractéristiques vont être modifiées en tenant compte :

Du premier indicateur spécifique de l’indicateur d’activation généré par l’activation de la ressource ;
D’un historique des modifications ayant impactées les caractéristiques au préalable
D’un poids et d’un âge associé à chaque modification de l’historique
Des fiabilités des valeurs des caractéristiques considérées

Pour préciser un mode de prise en compte des premiers indicateurs spécifiques liés à l’activation successives des ressources dédiées à la détermination et/ou à l’ajustement des caractéristiques utilisateurs incertaines, nous allons considérer que chaque activation spécifique comprend un ou plusieurs tests, chaque test étant relatif une caractéristique utilisateur. Un poids est associé à un test.

Le test sera en plus pondéré par une fonction décroissante dans le temps prenant en considération l’âge de ce dernier, i.e. la dernière fois qu’il a été effectué.

Ainsi, considérons :

un utilisateur U ayant pour caractéristiques dans son profil {u_i}_{(i∈{1,..,N})}
φ_ila fiabilité liée à la valeur de la caractéristique pour l’utilisateur U.
{T_j}_{(j∈{1,..,M})}, l’ensemble des tests effectués lors de l’activation spécifique de la ou des ressources pour déterminer ou ajuster la valeur de la caractéristique u_ide l’utilisateur U, M représentant le nombre de tests.
{ω_Tj}_{(j∈{1,..,M})}l’ensemble des poids associé aux tests précédents. Ces poids seront considérés comme des paramètres et seront initialisés au sein de la plateforme. Ces derniers seront ensuite ajustés par un algorithme d’apprentissage sur la base des retours d’évaluations de performance.
Ψ(t) la fonction décrivant l’importance dans le temps de la prise en compte du résultat des tests. Cette fonction sera initialisée au sein de la plateforme et sera soit décroissante dans le temps afin de prendre en compte l’obsolescence du résultat ou soit constante si l’on souhaite donner une même importance à l’ensemble des résultats dans le temps.

Chaque test T est représenté par : la caractéristique concernée, la valeur corrigée de la caractéristique, le poids du test, la date d’exécution du test :

-T_j={u_i, u_(i,j), ω_Tj, t_j}

Où

-u_(i,j)est la valeur corrigée provenant du test T_j. Cette valeur dépend de l’utilisateur U mais pour simplifier la lecture, nous ne mentionnerons pas U (u_(i,j)(U)= u_(i,j))

-t_jreprésente la date à laquelle le test a été effectué

Ainsi :

-T₁={ u_i, u_(i,1), ω_T1, t₁}

-…

-T₁₀={ u_i, u_(i,10), ω_T10, t₁₀}

Où t représente la variable temps.

Deux cas de configuration sont à prendre en considération suivant que les valeurs soient discrètes ou continues.

Dans le cas d’une caractéristique à valeurs continues, la valeur de la caractéristique est une moyenne pondérée par le poids de chaque test et par la fonction de décroissance des amplitudes des poids. La valeur de la caractéristique n’est autre que l’espérance de la caractéristique pour l’utilisateur U sur l’ensemble des tests effectués que nous noterons E(U,u_i).

Lorsque les valeurs sont continues, l’écart-type de la variable u_ipour l’utilisateur U est calculé selon la formule suivante :

Ce qui peut aussi s’écrire sous la forme éclatée :

Où p_jest le poids normalisé de chaque valeur issue d’un test, défini comme suit :

Pour rappel, l’espérance dans le cadre présent s’exprime comme suit :

Finalement, l’incertitude est le rapport entre l’écart-type de la caractéristique u_iet l’espérance de la caractéristique et la fiabilité est

Lorsque les valeurs sont discrètes, il faut identifier la valeur qui a le poids associé le plus élevé. Le calcul d’espérance ne s’applique pas.

La fiabilité s’exprime comme le rapport entre le poids moyen temporelle associé à la valeur retenue divisé par la moyenne temporelle des poids associés aux résultats de tests effectué par l’utilisateur U sur la caractéristique, soit,

Où P est le nombre de test donnant la valeur retenue pour la caractéristique u_i.

Comme cela a été indiqué ci-avant, pour une ou plusieurs ressources instanciées R, des propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources, sont produites au cours d’une étape E7 par un module de recommandation de profils de ressources RPRE ; les propositions sont soumises à la validation d’un expert ; les propositions sont produites à partir d’une évaluation de la cohérence entre le profil de la ou des ressources instanciées RP et la mesure de l’au moins un indicateur d’activation FS,FP généré par l’activation de la ou des ressources instanciées de l’au moins une ressource instanciée ; l’évaluation de la cohérence est fonction du nouveau score de compatibilité CS calculé à l’étape E6 précédente, entre chaque ressource instanciée R et chaque utilisateur instancié U, en prenant en compte les profils utilisateurs ajustés, c'est-à-dire mis à jour conformément à la dernière étape d’ajustement E5 exécutée par le procédé 100.

Un mode de mise en œuvre du moteur de recommandation RPRE va maintenant être décrit plus en détail. Comme cela a été précisé plus haut, l’activation d’une ressource génère un indicateur d’activation qui comprend un premier indicateur spécifique et un deuxième indicateur de performance.

Le moteur de recommandation RPRE utilise une segmentation des deuxièmes indicateurs de performance générés par l’activation d’une ressource par l’ensemble des utilisateurs, de manière à proposer des ajustements au niveau des profils de ressource. L’expert pourra ainsi tenir compte de ces nouvelles propositions et ajuster le profil existant sur la base des profils suggérés.

L’objectif de ce moteur est de recommander des ajustements au niveau du profil de la ressource sur la base des profils utilisateurs liés aux utilisateurs ayant exécutés la ressource au moins une fois. Pour cela, nous devons récupérer les profils ajustés des utilisateurs et les répartir suivant les différents niveaux d’évaluation. Nous ne garderons que les profils correspondant aux personnes ayant bien évaluées la ressource (notes de 4 et 5). Nous allons partitionner les profils en tenant compte des caractéristiques ayant une fiabilité supérieure à 80% au minimum.

Pour cela nous utiliserons l’algorithme K-Prototype, un algorithme de Machine Learning non supervisé qui permet de partitionner des données qui sont à la foi numérique mais à la fois non numériques. Cet algorithme est un mixe de l’algorithme K-Means (qui traite des données numériques) et K-Modes (qui traite des données non numériques).

L’objectif est de définir une similarité entre les données sur la base d’un calcul de distance. Dans le cadre des données numériques, la distance Euclidienne est souvent retenue ou la distance de Manhattan suivant les usages. Dans le cas de K-Modes, la fonction de distance utilisée, retourne une valeur en fonction du nombre de champs identiques (La distance de Hamming).

La distance totale sera une fonction qui additionne le résultat des deux fonctions, une pour les valeurs numériques et une pour les valeurs catégorielles.

Nous appellerons D_P(U_i,U_j) la distance de K-Prototype entre 2 utilisateurs i et j.

Distance entre deux profils i, j

Où nous avons la distance euclidienne pour les valeurs numériques

Et la distance entre 2 modes tient compte de l’indice de dissemblance (contraire de ressemblance)

Où :

p représente le nombre de caractéristiques qualitatives

m_kle nombre de modalités (de valeurs possibles) de la caractéristiques qualitatives k
δ_ij ^klvaut 1 si les individus i et j présentent une discordance pour la -lème modalité de la variable k et 0 sinon
n_l ^kest l’effectif de la -lème modalité

K désigne le nombre de partitions ou nombre de classes. Le choix de ce nombre est délicat à opérer. Les heuristiques les plus connues pour résoudre ce problème se basent sur la distance inter-classes (distance moyenne des éléments entre eux au sein d’un cluster) et la décroissance de la variance inter-classe. La recherche d’un “coude” dans ce graphe est une indication heuristique du choix avisé de K. Les critères de sélection de K les plus utilisés sont les suivants :

Le gap statistique
L’inertie intra-classe
Le critère silhouette

Une démarche itérative du partitionnement comprend les étapes suivantes :

Initialisation : Les k centres initiaux sont généralement choisis par tirage aléatoire ou par utilisation des centres d’une méthode de Clustering déjà appliquée à la population.
Les profils sont affectés à la classe dont le centre est le plus « proche »
Les étapes suivantes sont réitérées :
- Les barycentres de ces classes sont calculés et deviennent les nouveaux centres.
- Les profils sont alors affectés à la nouvelle classe dont le centre est le plus proche, et ce procédé est réitéré.

L’algorithme s’arrête selon un critère défini au préalablement comme :
- Nombre d’itérations maximum fixé
- Convergence vers un minimum local

Une fois l’algorithme de partitionnement appliqué, nous aurons K partitionnements devant regrouper les profils proches c’est-à-dire comportant un ensemble minimum de N caractéristiques avec des valeurs communes ou proches.

U_lici représente une partition nommé l au sens de K-prototype.

Nous allons appliquer 3 stratégies permettant de retenir les caractéristiques présentes ainsi que leur gamme de valeurs des profils de clusters :

La stratégie couvrant la population la plus grande : taille du cluster le plus grand

La stratégie du nombre de caractéristiques le plus petit : sélection du cluster sur le profil comportant le moins de caractéristiques définies

La stratégie de la performance la meilleure : meilleure moyenne de performance par cluster

Où Ratingi avec une barre au-dessus désigne la valeur moyenne de la note liée à l'indication de performance de la ressource par les utilisateurs de la partition i.

Pour chacune des partitions retenues, un profil type sera calculé en prenant en compte les intervalles de valeurs pour chaque caractéristique bornée par l’écart-type de chaque caractéristique.

Claims

Procédé (100) assisté par ordinateur de recommandation de ressources et de recommandation de règles de prescription, comprenant les étapes suivantes :
- (E0) Création d’une structure de profils (PS), la structure de profils (PS) permettant de décrire :
- des profils d’utilisateurs (UP) ;
- des profils de ressources (RP) ;
chaque profil d’utilisateur (UP) étant associé à un utilisateur et chaque profil de ressources (RP) étant associé à une ressource, chaque profil d’utilisateur (UP) comprenant des caractéristiques utilisateurs et chaque profil de ressources (RP) comprenant des caractéristiques ressources, chaque caractéristique ressource étant définies par au moins une valeur relative à une caractéristique utilisateur,
- (E1) Instanciation d’au moins une ressource à partir de la structure de profil (PS), pour chaque ressource de l’au moins une ressource l’instanciation de la ressource comprenant :
- un renseignement d’au moins une caractéristique ressource parmi les caractéristiques ressources du profil de la ressource (RP),
- une définition d’au moins un indicateur d’activation (FS,FP) mesuré pendant ou après une activation de la ressource,
- (E2) Instanciation d’au moins un utilisateur à partir de la structure de profils, l’instanciation de l’au moins un utilisateur comprenant une collecte d’une valeur représentative d’au moins une caractéristique d’un profil utilisateur (UP) pour chaque utilisateur de l’au moins un utilisateur, ladite collecte comprenant l’acquisition d’au moins une valeur physique mesurée;
- (E3) Calcul, pour chaque ressource instanciée de l’au moins une ressource instanciée et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un score de compatibilité (CS) entre la ressource instanciée et l’utilisateur instancié, le calcul étant réalisé par un module de calcul (CE) ;
- (E4) Détection d’une activation d’une ressource instanciée de l’au moins une ressource instanciée, l’activation de la ressource instanciée activée étant liée à un utilisateur instancié de l’au moins un utilisateur instancié, l’activation de la ressource déclenchant la mesure de l’au moins un indicateur d’activation (FS,FP);
- (E5) Ajustement, par un module de diagnostique (DE), de la valeur d’une caractéristique de l’au moins une caractéristique du profil utilisateur (UP) de l’utilisateur instancié, ainsi que d’une fiabilité de la valeur de la caractéristique, la valeur et la fiabilité de la valeur de la caractéristique prenant en compte la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée; et/ou détermination, par le module de diagnostic (DE), d’une valeur d’une autre caractéristique du profil utilisateur (UP) de l’utilisateur instancié, la valeur de l’autre caractéristique étant déterminée en fonction de la mesure de l’au moins un indicateur d’activation pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée;
- (E6) Répétition de l’étape (E3) de calcul d’un nouveau score de compatibilité (CS) entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié;
- (E7) Pour une ou plusieurs ressources instanciées de l’au moins une ressource instanciée, production de propositions de modification des valeurs d’une ou plusieurs des caractéristiques ressources du profil de la ressource instanciée (RP), par un module de recommandation de profils de ressources (RPRE), les propositions étant produites à partir d’une évaluation de la cohérence entre le profil de la ressource instanciée et la mesure de l’au moins un indicateur d’activation pour la ou lesdites ressources instanciées de l’au moins une ressource instanciée, l’évaluation de la cohérence étant fonction du nouveau score de compatibilité (CS) calculé à l’étape (E6) précédente, entre chaque ressource instanciée de l’au moins une ressource instanciée et chaque utilisateur instancié de l’au moins un utilisateur instancié.
Procédé (100) selon la revendication 1, dans lequel :
- l’étape (E2) d’instanciation d’au moins un utilisateur comprend la génération, par un générateur de programme individualisé (PIE) et pour chaque utilisateur instancié de l’au moins un utilisateur instancié, d’un programme de ressources (PR), le programme de ressources (PR) étant défini comme une suite ordonnée de propositions de ressources instanciées, chaque proposition de la suite comprenant une pluralité de ressources instanciées proposées, un minimum et un maximum prédéterminés, et un écart maximum;
- successivement pour chaque proposition du programme, un nombre de ressources sont sélectionnées parmi les ressources proposées de la proposition, et activées, par l’utilisateur, le nombre étant compris entre le minimum et le maximum de la proposition, et les scores de compatibilité avec l’utilisateur des ressources sélectionnées étant tous supérieurs au score de compatibilité maximum des ressources proposées, diminué de l’écart maximum.
Procédé selon l’une des revendications précédentes, dans lequel les caractéristiques utilisateurs comprennent des caractéristiques utilisateurs statiques et/ou des caractéristiques utilisateurs dynamiques et/ou des caractéristiques utilisateurs certaines et/ou des caractéristiques utilisateurs incertaines.
Procédé selon la revendication 3, dans lequel à chaque caractéristique est associé un indicateur de fiabilité, la valeur de l’indicateur de fiabilité étant inférieure à 100% pour les caractéristiques incertaines, et dans lequel à chaque caractéristique est associé un indicateur de poids.
Procédé selon l’une des revendications 1 à 4, dans lequel le score de compatibilité entre la ressource et l’utilisateur est une fonction d’un score de correspondance entre la ressource et l’utilisateur, d’un score collaboratif, et d’un score de contenu.
Procédé selon la revendication 5, dans lequel le score de correspondance entre la ressouce et l’utilisateur est une fonction des caractéristiques utilisateur du profil d’utilisateur de l’utilisateur, et des caractéristiques ressource du profil de ressource de la ressource, et de l’indicateur de fiabilité associé à chaque caractéristique du profil d’utilisateur et de l’indicateur de poids associé à chaque caractéristique du profil de ressource.
Procédé selon la revendication 5, dans lequel le score collaboratif est une fonction d’un premier score collaboratif et d’un deuxième score collaboratif.
Procédé selon la revendication 5, dans lequel le score de contenu est une valeur représentative d’un contenu des ressources activées par un utilisateur.