Понимание концепций, лежащих в основе рекомендательных систем, и принципов их работы.

Вы когда-нибудь были на Amazon.com и задавались вопросом, как им удается показывать вам персонализированный контент на основе истории ваших покупок или просмотров?

Это достигается с помощью очень многообещающей технологии под названием Системы рекомендаций.

Хотя рекомендательные системы были довольно популярны в академических кругах, распространение смартфонов привело к увеличению их распространенности в повседневной жизни людей и промышленности.

От онлайн-покупок на таких платформах, как Amazon, до сайтов потокового кино, таких как Netflix, а также доменов путешествий и туризма, таких как Booking.com, Yelp и т. д., рекомендательные системы являются вездесущими и незаменимыми активами в современном мире.

Работа типичной рекомендательной системы

  • В типичной рекомендательной системе у нас есть некоторое количество пользователей и некоторое количество элементов.
  • Элементы — это продукты/услуги, которые рекомендуются пользователям на этой платформе.
    Например, в случае системы рекомендаций фильмов элементами будут фильмы, рекомендованные разным пользователям.
  • Пользователи оценивают эти элементы (или хотя бы некоторые из них), а затем пользователю рекомендуются похожие элементы.

Типы рекомендательных систем

Существуют разные подходы к вычислению сходства элементов или, другими словами, какие элементы будут рекомендованы пользователям.

В зависимости от цели и обстоятельств мы выбираем подход, наиболее подходящий для нашего варианта использования.

Некоторые из популярных вариантов рекомендательных систем обсуждаются ниже:

  1. Рекомендательные системы, использующие функции для каждого элемента
  2. Совместная фильтрация
  3. Контентная фильтрация
  4. Гибридные рекомендательные системы
  5. Контекстно-зависимые рекомендательные системы
  6. Мобильные рекомендательные системы
  7. Системы групповых рекомендаций
  8. Многосторонние рекомендательные системы

Мы подробно расскажем о каждой из рекомендательных систем в моих будущих блогах и обновим ссылки здесь. 😉

Оставайтесь с нами! 👐

✨ Эта серия блогов основана на нотациях и теории, изложенных в специализации Coursera по машинному обучению DeepLearning.ai, а также на курсе User Modeling and Recommender Systems, предлагаемом доктором Вольфгангом Вёрндлом в Техническом университете Мюнхена, Германия.

✨ Если вам понравилась статья, подпишитесь, чтобы получать мои последние статьи.
Чтобы связаться со мной, свяжитесь со мной в LinkedIn или через ashmibanerjee.com.