Guruh talabasi Qobilova Umida Xayriddin qizi

"Foydalanuvchi uchun ob'ektning foydaliligi qanday baholanadi?" Kontentga asoslangan usullarda u xuddi shu foydalanuvchi tomonidan o'xshash boshqa elementlarga tayinlangan yordam dasturlari asosida baholanadi.Ko'pgina bunday tizimlar matnli ma'lumotlarni o'z ichiga olgan elementlarni tavsiya etishga qaratilgan, veb-saytlar, maqolalar va yangiliklar xabarlari kabi.Filmlar uchun ular oʻxshash janrlar, rejissyorlar yoki aktyorlarni izlashlari mumkin.Maqolalar uchun ular oʻxshash atamalarni izlashlari mumkin.Axborot nazariyasi.
Ular kalit soʻzlardan (moddalarni tavsiflovchi) va foydalanuvchilarning didi va ehtiyojlari haqidagi ma'lumotlarni o'z ichiga olgan foydalanuvchi profillari. Bunday profillar aniq (masalan, so'rovnomalar orqali) olinishi yoki vaqt o'tishi bilan foydalanuvchilarning tranzaksiya xatti-harakatlaridan o'rganilishi mumkin.
Hamkorlikdagi tavsiyalar tizimi u bilan oʻxshash boshqa foydalanuvchilar tomonidan ilgari baholangan elementlarga asoslanib, u foydalanuvchi uchun elementlarning foydaliligini bashorat qilishga harakat qiladi. Misol uchun, kitoblarni tavsiya qilganda, hamkorlikdagi tavsiyalar tizimi siz bilan rozi bo'lgan boshqa foydalanuvchilarni topishga harakat qiladi (masalan, ular shunga o'xshash kitoblarni sotib olishga moyil yoki kitoblarga o'xshash baho berishadi). Birgalikda tavsiya qiluvchi tizimlar xotiraga (yoki evristik) asoslangan yoki modelga asoslangan bo'lishi mumkin.
Xotiraga asoslangan usullar asosan foydalanuvchilar tomonidan ilgari baholangan elementlarning butun to'plamiga asoslangan reyting bashoratlarini qilish uchun evristikadan foydalanadi. Ya'ni, element-foydalanuvchi kombinatsiyasining noma'lum reytingini bir xil element uchun eng o'xshash foydalanuvchilarning reytinglari yig'indisi sifatida baholash mumkin. Odatda, k-yaqin qo'shni usuli qo'llaniladi, ya'ni maqsadli foydalanuvchimizga eng o'xshash k boshqa foydalanuvchilarni (yoki qo'shnilarni) topamiz, u. Foydalanuvchilar o'rtasidagi o'xshashlikni hisoblash uchun turli yondashuvlardan foydalanish mumkin. Eng mashhur yondashuvlar Pearson korrelyatsiya koeffitsientidan (3.3.2-bo'lim) yoki kosinus o'xshashligidan (2.4.7-bo'lim) foydalanadi. Turli foydalanuvchilar reyting shkalasidan turlicha foydalanishi mumkinligiga moslashtiruvchi vaznli agregatdan foydalanish mumkin. Modelga asoslangan hamkorlikdagi tavsiyalar tizimlari modelni o'rganish uchun reytinglar to'plamidan foydalanadi, so'ngra reyting bashorat qilish uchun ishlatiladi. Masalan, ehtimollik modellari, klasterlash (bir xil fikrdagi mijozlar klasterlarini topadi), Bayes tarmoqlari va boshqa mashinani o'rganish usullari qo'llanilgan.
Tavsiya qiluvchi tizimlar kengayish va iste'molchiga sifatli tavsiyalarni ta'minlash kabi katta muammolarga duch keladi. Masalan, masshtablilik nuqtai nazaridan, hamkorlikdagi tavsiya tizimlari real vaqt rejimida millionlab potentsial qo'shnilarni qidira olishi kerak. Agar sayt mahsulot afzalligi ko'rsatkichi sifatida ko'rish naqshlaridan foydalansa, uning ba'zi mijozlari uchun minglab ma'lumotlar nuqtalari bo'lishi mumkin. Sifatli tavsiyalarni ta'minlash iste'molchilar ishonchini qozonish uchun zarur. Agar iste'molchilar tizim tavsiyasiga amal qilsalar, lekin keyin mahsulotni yoqtirmasalar, ular tavsiya qiluvchi tizimdan qayta foydalanish ehtimoli kamroq.
Tasniflash tizimlarida bo'lgani kabi, tavsiya qiluvchi tizimlar ham ikki xil xatoga yo'l qo'yishi mumkin: noto'g'ri salbiy va noto'g'ri musbat. Bu erda noto'g'ri salbiy mahsulotlar iste'molchiga yoqsa ham, tizim tavsiya eta olmaydigan mahsulotlardir. Noto'g'ri pozitivlar - tavsiya etilgan, ammo iste'molchiga yoqmaydigan mahsulotlar. Noto'g'ri pozitivlar kamroq istaydi, chunki ular iste'molchilarni bezovta qilishi yoki g'azablantirishi mumkin. Kontentga asoslangan tavsiya tizimlari ular tavsiya qilgan narsalarni tavsiflash uchun ishlatiladigan xususiyatlar bilan cheklangan.
Kontentga asoslangan va hamkorlikdagi tavsiya tizimlari uchun yana bir qiyinchilik - bu xaridlar tarixi hali mavjud bo'lmagan yangi foydalanuvchilar bilan qanday munosabatda bo'lishdir.
Gibrid yondashuvlar yanada takomillashtirilgan tavsiyalarga erishish uchun kontentga asoslangan va hamkorlik usullarini birlashtiradi. Netflix mukofoti DVD-lizing onlayn xizmati tomonidan o'tkaziladigan ochiq tanlov bo'lib, avvalgi reytinglar asosida filmlar uchun foydalanuvchi reytinglarini bashorat qilish uchun eng yaxshi tavsiya qiluvchi algoritm uchun 1 000 000 dollar to'lanadi. Raqobat va boshqa tadqiqotlar shuni ko'rsatdiki, tavsiya qiluvchi tizimning bashorat qilish aniqligi bir nechta bashorat qiluvchilarni aralashtirishda sezilarli darajada yaxshilanishi mumkin, ayniqsa bitta texnikani takomillashtirish o'rniga ko'plab sezilarli darajada farq qiluvchi usullar ansamblini qo'llash orqali.
Birgalikda tavsiya qiluvchi tizimlar so'rov maqsadini tahlil qilish va so'rovga tegishli umumlashtirilgan, qo'shni yoki bog'langan ma'lumotlarni taqdim etishdan iborat bo'lgan so'rovlarga aqlli javob berish shaklidir. Masalan, mijozning soʻroviga javoban kitob tavsifi va narxini shunchaki qaytarish oʻrniga, soʻrovga tegishli boʻlgan, lekin aniq soʻralmagan qoʻshimcha maʼlumotlarni qaytarish (masalan, kitobni baholash sharhlari, boshqa kitoblar tavsiyalari yoki savdo statistikasi). ) xuddi shu so'rovga aqlli javob beradi.