Ajánló rendszer

Az ajánlórendszerek  olyan programok , amelyek megpróbálják megjósolni , hogy a profiljával kapcsolatos bizonyos információk alapján mely objektumok ( filmek , zenék , könyvek , hírek , webhelyek ) érdeklik a felhasználót .

Az ajánlórendszerek felépítésének két fő stratégiája a tartalom alapú szűrés és a kollaboratív szűrés [1] [2]. A tartalom alapú szűrés felhasználói és objektumprofilokat hoz létre, a felhasználói profilok tartalmazhatnak demográfiai információkat vagy adott kérdéscsoportra adott válaszokat, az objektumprofilok műfajneveket, színészneveket, művészneveket és egyéb attribútum-információkat tartalmazhatnak az objektum típusától függően. Például a Music Genome Projectben egy zenei elemző minden dalt több száz különböző zenei jellemző alapján értékel, amelyek segítségével meghatározható a felhasználó zenei preferenciái. Az együttműködésen alapuló szűrés a felhasználói múltbeli viselkedésre, például vásárlásokra vagy értékelésekre vonatkozó információkat használ. Ebben az esetben nem mindegy, hogy milyen típusú objektumokkal dolgozunk, de implicit jellemzők is figyelembe vehetők, amelyeket a profil létrehozásánál nehéz lenne figyelembe venni. Az ilyen típusú ajánlórendszerek fő problémája a „hidegindítás”: a rendszerben nemrég megjelent felhasználókról vagy objektumokról szóló adatok hiánya.

Munkájuk során az ajánlórendszerek explicit és implicit módszerek kombinációjával gyűjtenek adatokat a felhasználókról. Példák az explicit adatgyűjtésre:

• megkérjük a felhasználót, hogy értékelje az objektumot differenciált skálán;
• megkérjük a felhasználót, hogy rangsoroljon egy objektumcsoportot a legjobbtól a legrosszabbig;
• két objektum bemutatása a felhasználónak azzal a kérdéssel, hogy melyik a jobb;
• javaslat a felhasználó által kedvelt objektumok listájának létrehozására.

Példák implicit adatgyűjtésre:

• annak nyomon követése, hogy a felhasználó mit néz meg az online áruházakban vagy más típusú adatbázisokban ;
• a felhasználói viselkedés online nyilvántartása;
• a felhasználó számítógépének tartalmának figyelése.

Az ajánlórendszerek összehasonlítják a különböző személyektől származó azonos típusú adatokat, és elkészítik az ajánlások listáját egy adott felhasználó számára. Kereskedelmi és nem kereskedelmi felhasználásukra néhány példát talál az együttműködési szűrésről szóló cikkben . Az ajánlások kiszámításához érdeklődési grafikont használnak [3] . Az ajánlórendszerek kényelmes alternatívát jelentenek a keresési algoritmusokkal szemben, mivel lehetővé teszik olyan objektumok felfedezését, amelyek nem találhatók meg utoljára. Érdekes módon az ajánlórendszerek gyakran használnak keresőmotorokat a szokatlan adatok indexelésére.

Jegyzetek

1. ↑ Y. Koren, R. Bell, C. Volinsky. Mátrixfaktorizációs technikák ajánlórendszerekhez // Számítógép . – IEEE. - T. 42 , 8. sz . - S. 30-37 .
2. ↑ Együttműködő szűrésen alapuló ajánlórendszerek, 2002 , p. 187.
3. ↑ Érdeklődési grafikon ajánlások .

Irodalom

• Melville P., Mooney R., Nagarajan R. Content-Boosted Collaborative Filtering for Improved Recommendations  //  University of Texas, USA: Proceedings of Conf. / AAAI-02, Austin, TX, USA, 2002. - 2002. - P. 187-192 .
• Zhernakova O. Ajánlórendszerek és videotartalom keresés // Telemultimédia, 2012.
• Nadim Hossain. Miért az érdeklődési grafikon a marketingesek legjobb barátja  ? Mashable. Letöltve: 2013. december 7.

Linkek

• Irodalom az ajánlórendszerekről (német nyelven)