Рекомендательная система стремится наиболее точно предсказать предпочтения потребителя, предложив самый подходящий ему товар/услугу. Давайте рассмотрим особенности и основные виды таких систем.
В настоящее время рекомендательные системы встречаются повсеместно. По сути, почти любой серьезный интернет-магазин, новостной портал либо онлайн-кинотеатр применяет какую-нибудь рекомендательную систему, чтобы предоставить пользователям то, что им нужно.
Типы рекомендательных систем
Можно выделить 3 основных типа рекомендательных систем:
- фильтрация по популярности,
- фильтрация по содержанию,
- коллаборативная система.
Фильтрация по популярности
Самой простой является система, выдающая рекомендации на основании популярности (popularity-based recommender systems). Например, чем выше будет средний рейтинг фильма, прочитанной статьи либо купленного товара, тем выше вероятность, что рекомендательная система их порекомендует.
Главный плюс, конечно же, -- это простота. Но есть и главный минус -- предпочтения конкретного пользователя не учитываются.
Фильтрация по содержанию
Второй тип рекомендательных систем -- фильтрация по содержанию (content-based filtering). В этом случае алгоритм будет рекомендовать товары/услуги, похожие на те, которые пользователь выбирал ранее. К примеру, если в онлайн-кинотеатре вы выбрали фантастический фильм, то и в дальнейшем система станет рекомендовать фантастику. Кроме того, среди рекомендаций будут и фильмы, в которых снимаются те же актеры.
Такую рекомендательную систему реализовать тоже несложно, что, конечно же, плюс. Из минусов -- покупатели не попробуют новые товары/услуги.
Коллаборативная система
Коллаборативная фильтрация (collaborative filtering) основывается на сопоставлении пользователей и товаров/услуг/новостей и пр. Математически и графически работа осуществляется с матрицами предпочтений (user-item matrix).
Выделяют 2 вида коллаборативных систем:
1) user-based. Основаны на пользователях -- находят пользователей, близких по предпочтениям, и рекомендуют одному из пользователей то, что уже пробовал другой.
Векторы пользователей:
2) item-based. Основаны на предмете рекомендации, то есть сравнивается близость товаров/услуг. Если сопоставить эту систему с предыдущей, то здесь сходство определяется на основании предпочтений всех пользователей, оставивших свои оценки.
По материалам сайта https://www.dmitrymakarov.ru/intro/.