Am descris mai sus, este sistemele Recommender sunt acum mai în detaliu spune despre cât de importante sunt acestea. Aceste programe au îmbunătățit modalitățile de interacțiune între site-ul și vizitatorul, pentru că în loc de a avea de a furniza informații statice, caracteristicile interactive ale utilizatorilor.
Recomandările sunt generate separat pentru fiecare individ, pe baza acțiunii sale anterioare pe o anumită proprietate web, sau pe baza activității anterioare. În plus, importanța și comportamentul participanților anteriori.
În continuare, vom da exemple de diferite tipuri de sisteme de sfatuitor. Iată cum să se uite la recomandările celebrului Amazon hypermarket on-line.
Pentru magazinele online, este, în principiu, o funcție importantă și pentru astfel de directoare mari, cum ar fi Amazon - una dintre puținele metode de a lucra bine. recomandare Metoda în acest caz, nu este o caracteristică opțională obișnuită, asigură ușurința navigării utilizatorului pe resursa web. În cazul în care un catalog electronic conține mai mult de 20.000 de tipuri de produse, orientare pare deja excesiv de grele, ce să spun, în cazul în care milioane de produse?
Mai jos vom descrie mai multe abordări ale recomandărilor, și algoritmii de clasificare.
Servicii de recomandare a colecta o varietate de informații despre o persoană care utilizează mai multe metode, și care este împărtășită de toate sistemele.
Deci, primul tip - o colecție de date clare. După cum s-ar putea ghici de la numele, utilizatorul furnizează materialele necesare pentru lucru. De exemplu, atunci când motorul de recomandare Yandex și alte motoare de căutare sunt rugați să furnizeze estimări ale elementelor umane diferite pentru a alcătui o listă de favorite sfere special, sau să răspundă la câteva întrebări. În cazul în care o persoană refuză să dea informații pe cont propriu, real va fi următoarea metodă.
Există, de asemenea tipuri de sisteme de Recommender, identificate de abordările pe care le utilizează.
Prima tehnică de bază se numește filtrare colaborative (filtrare colaborative). Recomandări folosind această tehnică sunt date, pe baza caracteristicilor comportamentale ale unui individ sau a unui grup de persoane, acesta din urmă chiar mai eficient. Grupul merge la cei cărora le place reciproc cu privire la comportamentul și caracteristicile.
Aici este un exemplu că informația a fost percepută mai ușor. Creați un site, în cazul în care publicul va fi recomandat de muzică. Ca și în acest caz, se va opera servicii pe baza recomandărilor unei abordări de colaborare? Conform acestui principiu: baza ia o comunitate în cazul în care participanții sunt adăugate la lista de redare pe aceleași piese gen afiliere. În continuare, determina cel mai popular dintre toate piesele muzicale și a recomandat un utilizator din grupul, care încă nu a ascultat acest cântec.
A fost izolat ca abordare mixtă, în conformitate cu sistemul Recommender care dezvoltarea se realizează.
abordare mixtă - o combinație de conținut și filtrare de colaborare. După cum știți, mai mult - cu atât mai bine, astfel încât amestecul acestor două tehnici spori eficiența recomandărilor sistemelor, și anume, crește în mod semnificativ acuratețea previziunilor pentru anumite persoane.
Mai jos vom descrie algoritmii sistemelor de recomandare, care sunt utilizate pentru a obține rezultate corecte.
corelație Pearson
Acest algoritm poate identifica caracteristici comune ale diferiților utilizatori. Cum? Folosind matematică simple, și anume determinarea dependență liniară între cele două elemente. Un punct important - această tehnică nu este potrivit pentru oamenii din comunitate.
clustering
Acest principiu de funcționare a sistemelor Recommender bazate pe alocarea de similitudine între elementele (utilizatori) prin calcularea apropierea lor unul față de celălalt în așa-numitul spațiu caracteristică. Semnele apar elementele care converg interesele anumitor participanți la proces (pentru piese muzicale este o resursă pentru portaluri de film - filme). caracteristici similare ale utilizatorilor sunt combinate în așa-numitele grupuri.
Algoritmul de filtrare în colaborare
clustering dură poate fi înlocuit cu alți algoritmi, care funcționează pe o formulă destul de complicată, și la fel ca toate cele anterioare, se bazează pe comportamentul utilizatorilor din grupul său. Cu toate acestea, în această metodă, există unele dezavantaje destul de semnificative. În primul rând, un nou sau atipice utilizatori (care nu sunt organizate în grupuri) dificil de a găsi recomandări. În al doilea rând, așa-numitul „start la rece“, atunci când noi obiecte care nu fac obiectul unor sisteme de recomandare.
Algoritmul de filtrare a conținutului
Algoritmul, simetric de mai sus, dar dacă în primul caz, am început cu presupunerea că un obiect ca un utilizator, pentru că îi place „colegii“ lui, aici vom recomanda pe baza unor obiecte similare pe care le spusese el. Aici, în mod tradițional, există mai multe probleme. Același „pornire la rece“ și că recomandările sunt de multe ori un lucru obișnuit.
în loc de o concluzie
Deci, ne-am furnizat toate informațiile pe care ar trebui să știți despre începător sisteme Recommender sau un om simplu pe stradă. Să fim sinceri, algoritmii prezintă unele dificultăți pentru persoana nepregătit, astfel încât acest articol nu este formule matematice, deși algoritmii se bazează pe ele.
Conversii mari tine!
Imagine Sursa: supărător cu orcile
LPgenerator - Professional Pagina de destinație Platforma pentru a crește vânzările afacerii dvs.
intrări aferente
ATENȚIE! Utilizați un browser învechit Internet Explorer
Acest site este construit pe tehnologii avansate, moderne și nu acceptă al doilea Internet Explorer și versiunea a șaptea.
