Развитие современных технологий делает рекомендательные системы популярными. Многие компании электронной коммерции могут предлагать своим клиентам продукты, которые могут им понравиться, используя свои системы рекомендаций.
Каковы системы рекомендаций?
Системы рекомендаций основаны на системах фильтрации информации, целью которых является прогнозирование количества предпочтений, которые пользователь отдает тому или иному элементу.
Благодаря этим системам мы можем предлагать пользователю значимые продукты, изучая имеющиеся у нас данные о пользователе. основе и путем извлечения полезной информации. Можно привести некоторые примеры, такие как демонстрация похожих товаров при совершении покупок на Amazon и представление аналогичных товаров при просмотре телешоу на Netflix.
Существуют различные типы рекомендательных систем.
1-Система совместной фильтрации
Оценки производятся на основе выбора пользователей или продуктов, которые похожи друг на друга. Предположим, что первый пользователь посмотрел и ему понравились сериалы «Друзья», «Семейка современности» и «Во все тяжкие», а второй пользователь посмотрел и ему понравились дорамы «Друзья» и «Семейка современности». Когда мы рассмотрели сериалы, которые посмотрели пользователи и которые им понравились, мы можем сделать вывод, что их вкусы схожи, и второму пользователю также понравится сериал «Во все тяжкие».
Мы можем исследовать подкатегории систем совместной фильтрации в двух группах: на основе пользователей и на основе элементов.
На основе пользователей: рекомендации создаются на основе схожести пользователей. Матрица элементов пользователя создана.
На основе товаров. Рекомендации создаются на основе выбранных продуктов. Создается поэлементная матрица.
2-контентная система фильтрации
Рекомендации разрабатываются на основе схожести ингредиентов продукта.
Например, пользователь посмотрел фильм о животных. Мы можем предложить фильмы о животных для следующего фильма, который будет смотреть пользователь.
3-система рекомендаций на основе популярности
Как правило, вместо продуктов, ориентированных на пользователей, предлагаются предпочтительные продукты. Пользователям будут рекомендованы товары-бестселлеры на сайте электронной коммерции или самый просматриваемый фильм на сайте фильмов.
4-гибридная система рекомендаций
Эта система применяется с учетом как контента, так и выбора похожих пользователей. Кроме того, для этого может потребоваться больше данных, чем для других. Но можно получить и более благоприятные результаты.