Рекомендательные системы, рекомендательные технологии — программы (веб-сервис), которые пытаются предсказать, какие объекты (фильмы, музыка, книги, новости, веб-сайты) будут интересны пользователю. Рекомендательные технологии способны формировать персонализированные рекомендации, основываясь на анализе предпочтений, поведения и интересов пользователей. Рекомендательные системы — удобная альтернатива поисковым алгоритмам, так как позволяют обнаружить объекты, которые не могут быть найдены последними.
Две основные стратегии создания рекомендательных систем — фильтрация на основе содержания и коллаборативная фильтрация.
При фильтрации на основе содержания 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 другую атрибутивную информацию в зависимости от типа объекта. Например, в 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.
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.
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. Для вычисления рекомендаций используется граф интересов.
С 1 октября 2023 в России начала действовать норма, обязывающая владельцев интернет-ресурсов информировать о работе рекомендательных технологий, чтобы защитить пользователей от злоупотреблений со стороны платформС 1 октября 2023 года – новые требования к сайтам, которые используют рекомендательные алгоритмы.
Литература
Ссылки Олег Капранов. Что такое рекомендательные сервисы и как они манипулируют пользователями // РГ, 14.10.2023 Литература по рекомендательным системам
Примечания
Категория:Поисковые системы Категория:Сетевые сообщества Категория:Коллективный интеллект Категория:Области применения статистики