Рекомендательные системы и алгоритмы
На сегодняшний день при создании рекомендательных систем используются две основные стратегии: фильтрация содержимого и коллаборативная фильтрация. Сразу стоит отметить, что на практике обычно используются гибридные методы, сочетающие в себе преимущества рассмотренных ниже подходов. Фильтрация содержимого требует создания профилей для пользователей и объектов, которые будут рекомендоваться. При… Читать ещё >
Рекомендательные системы и алгоритмы (реферат, курсовая, диплом, контрольная)
Существующие подходы
При написание данного раздела использовались источники [4] и [5].
На сегодняшний день при создании рекомендательных систем используются две основные стратегии: фильтрация содержимого и коллаборативная фильтрация. Сразу стоит отметить, что на практике обычно используются гибридные методы, сочетающие в себе преимущества рассмотренных ниже подходов.
Фильтрация содержимого
Фильтрация содержимого требует создания профилей для пользователей и объектов, которые будут рекомендоваться.
Профиль объекта может содержать сотни признаков, отражающих наиболее полно его свойства. Причем профили объектов заполняются экспертами в конкретной области. Например, в музыкальных рекомендательных системах, которые работают на принципе фильтрации содержимого, объектами являются музыкальные записи, которые имеют такие признаки, как жанр, исполнитель, год создания, тип бэк-вокала, использованные инструменты и так далее. Причем за наполнение всех признаков в таком случаем отвечают музыкальные аналитики. Профиль пользователя также может иметь много признаков, но они заполняются обычно лично пользователем, например в ходе ответов на вопросы анкеты о музыкальных предпочтениях. Также рекомендательная система может заполнять профиль пользователя, анализируя его прошлые оценки. После того как профили созданы, рекомендательная система, сопоставляя профили объектов и пользователей, выдает рекомендации.
С одной стороны, использующие данный подход рекомендательные системы обеспечивают точные рекомендации, потому что они полагаются исключительно на оценки, данные объектам, и предпочтения именно конкретного пользователя. Другими словами, рекомендации пользователю не зависят от оценок остальных пользователей. Также, системы данного типа способны рекомендовать объекты, которые ранее никем не были оценены, иначе говоря, такие системы не страдают от проблемы неоцененных объектов.
С другой стороны, рассматриваемые системы имеют и существенные недостатки. Главным из них является трудность создания профилей объектов. Это обусловлено тем, что это требует огромных усилий экспертов и сбор большого количества информации по каждому объекту. Другим недостатком таких систем является то, что они рекомендуют объекты, похожие на те, которые ранее были высоко оценены пользователем, то есть они не рекомендуют что-либо кардинально новое.