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:
- Рекомендательные системы, использующие функции для каждого элемента
- Совместная фильтрация
- Контентная фильтрация
- Гибридные рекомендательные системы
- Контекстно-зависимые рекомендательные системы
- Мобильные рекомендательные системы
- Системы групповых рекомендаций
- 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.