soovitusmootorid

Soovitusmootorid on arvutipõhised süsteemid, mis pakuvad kasutajale isikupärastatud soovitusi toodete, sisu või tegevuste kohta. Need jutustatud soovitused tuginevad kasutaja varasematele valikutele, käitumisele ning sarnasustele teiste kasutajate ja esemete vahel ning aitavad kasutajal avastada teemasid ja tooteid, mis võivad talle huvi pakkuda.

Peamised lähenemised on koostööpõhine, sisupõhine ja hübriidne. Koostööfiltrimine kasutab suurenevat kasutajate käitumist, et leida sarnaseid maitseid ja teha üksteisele soovitusi. Sisupõhine lähenemine võrdleb kasutaja profiili omadusi ja esemete omadusi ning leiab sarnaseid esemeid, mis vastavad kasutaja eelistustele. Hübriidne lähenemine ühendab neid kahte lähenemist, et parandada täpsust ja vähendada puudujääke, nagu külm algus.

Andmed ja arhitektuur hõlmavad kasutajate sündmusi (vaatamised, klikid, ostud), sisend- ja metaandmeid ning sisu omadusi. Soovituste genereerimiseks kasutatakse kasutajaprofiile, esemeprofiile, skoorimisfunktsioone ja järjestamisalgoritme ning pidevat tagasiside uuendamist. Külm algus ehk puudulik teave on tavapärane väljakutse uute kasutajate või uute eseme puhul.

Rakendused on laialdased: e-kaubandus, meediavoogedastus, uudisteportaalid ning sotsiaalmeedia. Soovitusmootorid suurendavad kasutajate kaasatust, aega platvormil ja konversiooni, kuid toovad kaasa privaatsuse ja eetiliste kaalutluste küsimusi, nagu läbipaistvus, filtrimõõdud ja võimalikud piirkondliku ebaõigluse riskid.

Ajalugu ulatub 1990ndate algusest GroupLens’i ja muude katsetusteni; Netflixi auhinnakatsed ja suurtootjate kasutus on viinud kaasa maatriks faktoreerimise ning süvaõppe metoodikate laialdasema rakendamise ja tugevdatud õppimise areng.