📋

Points Clés

  • Le système repose sur 5 000 lecteurs qui ont voté pour leurs 3 lectures préférées entre 2023 et 2025.
  • La base de données couvre environ 15 000 livres.
  • La première version bêta de l'application complet 'Book DNA' est prévue pour fin janvier.
  • L'application à venir intégrera l'historique de Goodreads pour des recommandations personnalisées.

Résumé Rapide

Shepherd a introduit un nouvel outil qui permet aux utilisateurs de découvrir des livres basés sur ce que les lecteurs qui ont aimé un livre ou un auteur spécifique ont également apprécié. Le système repose sur les données de 5 000 lecteurs qui ont voté pour leurs trois lectures préférées de 2023 à 2025, ce qui a donné un ensemble de données d'environ 15 000 livres. Contrairement aux algorithmes spécifiques à un genre, cette approche vise à fournir des recommandations inter-genres. De plus, Shepherd développe une application complète 'Book DNA' qui intégrera finalement l'historique de Goodreads pour offrir des suggestions profondément personnalisées. La première version bêta de cette application complète est prévue pour une sortie en fin janvier aux États-Unis, bien qu'elle commencera par une version basique. Les utilisateurs intéressés par le test des futures fonctionnalités peuvent actuellement s'inscrire via un formulaire fourni.

Fonctionnalités du Nouvel Outil de Recommandation

Shepherd a déployé une nouvelle fonctionnalité conçue pour aider les lecteurs à trouver leur prochain livre préféré. L'outil permet aux utilisateurs d'entrer un livre ou un auteur qu'ils aiment déjà et de voir quels autres livres ont été appréciés par les lecteurs qui partageaient cette préférence. Cette méthode diffère des algorithmes traditionnels en ne limitant pas les résultats à un seul genre, produisant souvent des résultats intéressants et diversifiés.

Le fondement de ce moteur de recommandation est un ensemble de données construit à partir d'enquêtes annuelles. Des milliers de lecteurs et d'auteurs ont été invités à partager leurs trois lectures préférées de l'année. Plus précisément, le système actuel est basé sur :

  • 5 000 lecteurs votant pour leurs livres préférés
  • Des livres lus entre 2023 et 2025
  • Un total d'environ 15 000 entrées de livres

L'équipe a choisi de garder l'ensemble de données petit pour la phase initiale afin de tester efficacement différentes approches.

Application à venir 'Book DNA'

Au-delà de l'outil de recommandation actuel, Shepherd développe activement une application complète appelée l'application Book DNA. L'objectif de ce projet est de fournir des recommandations de livres profondément personnalisées en analysant l'historique de lecture existant d'un utilisateur. L'application est conçue pour s'intégrer directement à Goodreads, en important l'historique d'un utilisateur pour identifier les modèles de préférences de lecture.

L'équipe de développement vise une publication pour la première version bêta de cette application en fin janvier. Cependant, la version initiale est décrite comme « assez basique pour commencer ». Le projet vise à résoudre le défi important de faire correspondre les lecteurs avec des livres basés sur des personnes qui aiment des titres similaires, allant au-delà de la simple catégorisation par genre.

Tests Bêta et Contexte

Shepherd invite actuellement les utilisateurs à participer au développement de la nouvelle application Book DNA. Un formulaire d'inscription est disponible pour ceux qui souhaitent devenir des testeurs bêta. Cette initiative s'inscrit dans le cadre d'un effort plus large pour répondre aux frustrations liées aux systèmes de recommandation existants. Le créateur, Ben, a exprimé le désir de meilleures recommandations basées sur l'historique de lecture personnel.

Shepherd a précédemment présenté ses progrès de développement sur la plateforme de Y Combinator, faisant référence aux anciennes publications 'Show HN'. Ces publications documentent l'évolution de la plateforme alors qu'elle travaille vers son objectif de fournir une découverte de livres de haute qualité et personnalisée.