soovitussüsteemides
Soovitussüsteemid on andmepõhised süsteemid, mille eesmärk on prognoosida kasutaja eelistused ja pakkuda talle isikupärastatud tooteid, sisu või teenuseid. Need süsteemid analüüsivad kasutaja interaktsioone, objekti omadusi ja konteksti, et suurendada kasutajakogemust ja kaasatust.
Peamised lähenemised on sisupõhised soovitused, mis kasutavad objekti omadusi ja kasutaja profiili, ning kolaboratiivne filtreerimine, mis
Andmed hõlmavad kasutaja interaktsioone (vaadimised, klikid, ostud), objektide metaandmeid ning kontekstipõhiseid tegureid nagu aeg ja asukoht.
Algoritmid hõlmavad matriisi faktoreerimist (nt latent faktorite mudelid), lähima naabri meetodeid, probabilistilisi ja süvaõppe mudeleid. Hübriidsed
Hindamine toimub offline ja online meetoditega. Offline hindamisel kasutatakse metrikaid nagu RMSE, MAE ning täpsus@K, recall@K,
Väljakutsed hõlmavad külm start, andmepuudus ja andmete sparsust, privaatsus- ja eetikaküsimusi, skaleerimise ning tõelise maailma kasutuskontekstide
Rakendused hõlmavad e-kaubandust, voogedastust, uudistoodete ja sotsiaalmeediat. Soovitussüsteemid aitavad kasutajal avastada sisu, suurendavad leidmise efektiivsust ning