@inproceedings{kabongo-etal-2025-prediction,
title = "Pr{\'e}diction des pr{\'e}f{\'e}rences et g{\'e}n{\'e}ration de revue personnalis{\'e}e bas{\'e}es sur les aspects et attention",
author = "Kabongo, Ben and
Guigue, Vincent and
Lemberger, Pirmin",
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes de la 20e Conf{\'e}rence en Recherche d{'}Information et Applications (CORIA)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-coria.14/",
pages = "151--170",
language = "fra",
abstract = "Le filtrage collaboratif alimente de nombreux syst{\`e}mes de recommandation performants, mais il peine {\`a} saisir les interactions fines entre utilisateurs et articles et {\`a} fournir des explications claires. Face {\`a} la demande croissante de transparence, la g{\'e}n{\'e}ration d{'}explications textuelles via des mod{\`e}les de langage est devenue un axe de recherche majeur. Nous proposons AURA, un mod{\`e}le multi-t{\^a}ches combinant pr{\'e}diction de notes et g{\'e}n{\'e}ration de revues personnalis{\'e}es. AURA apprend simultan{\'e}ment des repr{\'e}sentations globales et sp{\'e}cifiques aux aspects en optimisant les notes globales, les notes par aspect et la g{\'e}n{\'e}ration de revues, avec une attention personnalis{\'e}e. Ces repr{\'e}sentations produisent une invite personnalis{\'e}e qui guide un mod{\`e}le de langage pour g{\'e}n{\'e}rer la revue finale. Impl{\'e}ment{\'e} avec le mod{\`e}le T5 pr{\'e}-entra{\^i}n{\'e} et une strat{\'e}gie de r{\'e}glage par invite, AURA a {\'e}t{\'e} test{\'e} sur TripAdvisor et RateBeer. Les r{\'e}sultats montrent qu{'}il surpasse nettement les mod{\`e}les de r{\'e}f{\'e}rence, surtout en g{\'e}n{\'e}ration de revues, renfor{\c{c}}ant ainsi la transparence des recommandations et la satisfaction des utilisateurs."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="kabongo-etal-2025-prediction">
<titleInfo>
<title>Prédiction des préférences et génération de revue personnalisée basées sur les aspects et attention</title>
</titleInfo>
<name type="personal">
<namePart type="given">Ben</namePart>
<namePart type="family">Kabongo</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Vincent</namePart>
<namePart type="family">Guigue</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Pirmin</namePart>
<namePart type="family">Lemberger</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 20e Conférence en Recherche d’Information et Applications (CORIA)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Le filtrage collaboratif alimente de nombreux systèmes de recommandation performants, mais il peine à saisir les interactions fines entre utilisateurs et articles et à fournir des explications claires. Face à la demande croissante de transparence, la génération d’explications textuelles via des modèles de langage est devenue un axe de recherche majeur. Nous proposons AURA, un modèle multi-tâches combinant prédiction de notes et génération de revues personnalisées. AURA apprend simultanément des représentations globales et spécifiques aux aspects en optimisant les notes globales, les notes par aspect et la génération de revues, avec une attention personnalisée. Ces représentations produisent une invite personnalisée qui guide un modèle de langage pour générer la revue finale. Implémenté avec le modèle T5 pré-entraîné et une stratégie de réglage par invite, AURA a été testé sur TripAdvisor et RateBeer. Les résultats montrent qu’il surpasse nettement les modèles de référence, surtout en génération de revues, renforçant ainsi la transparence des recommandations et la satisfaction des utilisateurs.</abstract>
<identifier type="citekey">kabongo-etal-2025-prediction</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-coria.14/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>151</start>
<end>170</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Prédiction des préférences et génération de revue personnalisée basées sur les aspects et attention
%A Kabongo, Ben
%A Guigue, Vincent
%A Lemberger, Pirmin
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes de la 20e Conférence en Recherche d’Information et Applications (CORIA)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F kabongo-etal-2025-prediction
%X Le filtrage collaboratif alimente de nombreux systèmes de recommandation performants, mais il peine à saisir les interactions fines entre utilisateurs et articles et à fournir des explications claires. Face à la demande croissante de transparence, la génération d’explications textuelles via des modèles de langage est devenue un axe de recherche majeur. Nous proposons AURA, un modèle multi-tâches combinant prédiction de notes et génération de revues personnalisées. AURA apprend simultanément des représentations globales et spécifiques aux aspects en optimisant les notes globales, les notes par aspect et la génération de revues, avec une attention personnalisée. Ces représentations produisent une invite personnalisée qui guide un modèle de langage pour générer la revue finale. Implémenté avec le modèle T5 pré-entraîné et une stratégie de réglage par invite, AURA a été testé sur TripAdvisor et RateBeer. Les résultats montrent qu’il surpasse nettement les modèles de référence, surtout en génération de revues, renforçant ainsi la transparence des recommandations et la satisfaction des utilisateurs.
%U https://aclanthology.org/2025.jeptalnrecital-coria.14/
%P 151-170
Markdown (Informal)
[Prédiction des préférences et génération de revue personnalisée basées sur les aspects et attention](https://aclanthology.org/2025.jeptalnrecital-coria.14/) (Kabongo et al., JEP/TALN/RECITAL 2025)
ACL