Рекомендательная система

Рекомендательные системы — программы, которые пытаются предсказать, какие объекты (фильмы, музыка, книги, новости, веб-сайты) будут интересны пользователю, имея определенную информацию о его профиле  (англ.). Зачастую реализуются на алгоритме коллаборативной фильтрации.

Типы рекомендательных систем ^[1]

Существуют две основные стратегии создания рекомендательных систем: фильтрация содержимого и коллаборативная фильтрация ^[2].

При фильтрации содержимого создаются профили пользователей и объектов.

• Профили пользователей могут включать демографическую информацию или ответы на определённый набор вопросов.
• Профили объектов могут включать названия жанров, имена актёров, имена исполнителей и т.п. — в зависимости от типа объекта.

Этот подход используется в проекте Music Genome Project: музыкальный аналитик оценивает каждую композицию по сотням различных музыкальных характеристик, которые могут использоваться для выявления музыкальных предпочтений пользователя.

При коллаборативной фильтрации используется информация о поведении пользователей в прошлом — например, информация о покупках или оценках. В этом случае не имеет значения, с какими типами объектов ведётся работа, но при этом могут учитываться неявные характеристики, которые сложно было бы учесть при создании профиля. Основная проблема этого типа рекомендательных систем — «холодный старт»: отсутствие данных о недавно появившихся в системе пользователях или объектах.

Методика

В процессе работы рекомендательные системы собирают данные о пользователях, используя сочетание явных и неявных методов.

Примеры явного сбора данных

• запрос у пользователя оценки объекта по дифференцированной шкале;
• запрос у пользователя ранжировки группы объектов от наилучшего к наихудшему;
• предъявление пользователю двух объектов с вопросом о том, какой из них лучше;
• предложение создать список объектов, любимых пользователем.

Примеры неявного сбора данных

• наблюдение за тем, что осматривает пользователь в интернет-магазинах или базах данных другого типа;
• ведение записей о поведении пользователя онлайн;
• отслеживание содержимого компьютера пользователя;

Применение

Рекомендательные системы сравнивают однотипные данные от разных людей и вычисляют список рекомендаций для конкретного пользователя. Некоторые примеры их коммерческого и некоммерческого использования приведены в статье о коллаборативной фильтрации. Рекомендательные системы — удобная альтернатива поисковым алгоритмам, так как позволяют обнаружить объекты, которые не могут быть найдены последними. Любопытно, что рекомендательные системы часто используют поисковые машины для индексации необычных данных.

Примеры сайтов, использующих рекомендательные системы

• Имхонет (фильмы, литература, фото)
• Last.fm (музыка)
• Ozon (книги, диски и пр.)
• Software Informer (программное обеспечение)
• Лаборатория фантастики (сайт о фантастике и фэнтези)
• Imdb - фильмы (сайт на английском)
• Rechelper - фильмы
• Advizzer - места
• Мир4 - экспериментальная система способная работать с любым контентом, в том числе малотиражным. Пока работает лишь с новостями.

Ссылки

• ru_preference
• Как работают рекомендательные системы, алгоритмы Netflix и Amazon
• Рекоменд. лит-ра
• Системы рекомендаций и поиска видеоконтента

Примечания

1. ↑ Koren, Y.; Bell, R. & Volinsky, С. (07 August 2009), "«Matrix Factorization Techniques for Recommender Systems.»", Computer (IEEE) . — Т. 42 (8): 30-37, <http://research.yahoo.com/files/ieeecomputer.pdf> .
2. ↑ Рекомендательные системы на основе коллаборативной фильтрации, 2002, с. 187

Литература

• Melville P.,Mooney R., Nagarajan R. Content-Boosted Collaborative Filtering for Improved Recommendations (англ.) // University of Texas, USA : Материалы конф. / AAAI-02, Austin, TX, USA, 2002. — 2002. — С. 187-192.