Tavsiya tizimlari turli manbalarda bemalol joriy etila boshlaganida, bu o'z-o'zini qidirish jarayoniga yoqimli qo'shimcha bo'lib tuyuldi. Mahsulotlar yoki har qanday tarkibni tanlash etarlicha katta bo'lsa, qidiruv ko'pincha oldindan aytib bo'lmaydigan natijalar bilan qiziqarli sayohatga aylanadi. Misol uchun, men hech qachon qo'rqinchli filmlarga qiziqmaganman, biroz boshqacha yo'nalishdagi filmlarni afzal ko'rganman, ammo tarkibni tasodifiy o'rganish tufayli bir kuni men klassikaga duch keldim. Hellraiser, tasodifiy ko'rish menda kuchli va o'chmas taassurot qoldirdi. Ishonchim komilki, har bir o'quvchi kamida bir marta tasodifiy qidiruv va tasodifiy harakatlar tufayli madaniy yoki estetik ma'noda boyitilgan. Boshqa tomondan, men tematik manbalar tomonidan taqdim etilgan tavsiyalar yordamida juda ko'p qiziqarli narsalarni kashf etdim. Ko'pgina filmlar, kitoblar, musiqa yoki mahsulotlar menga tavsiyalar tizimining muvaffaqiyatli ishlashi tufayli ma'lum (va qiziqarli) bo'ldi. Odatdagisi shundaki, men hozir deyarli har doim tavsiyalarga tayanaman va o'zimcha biror narsani kamroq izlayman, chunki ikkinchisiga vaqt qolmaydi!

Tavsiya algoritmlari meni qay darajada tushuna boshlaganini ko'rganimdan bu holat yanada og'irlashadi. Agar ilgari muvaffaqiyatli xitlar tez-tez ro'y bermagan bo'lsa, bugungi kunda tavsiya etilgan narsalarning kamida yarmi meni u yoki bu darajada qiziqtiradi. Va men hali ham menga taklif qilingan narsani beparvolik bilan qabul qilish o'rniga, o'zim uchun foydali narsani topishga harakat qilsam, men aql bovar qilmaydigan, misli ko'rilmagan mo'l-ko'lchilik bosimi ostida tezda taslim bo'laman. Qanchalik uzoqqa borsangiz, atrofdagi voqelik sizning shaxsiyatingizga doimiy ravishda moslashib, doimiy ravishda o'zgarib, o'rganib borsa, unchalik uzoq bo'lmagan kelajakning tasviri shunchalik aniq namoyon bo'ladi. Insoniyat tarixida hech qachon qulaylik bunchalik qo'rqinchli darajada bo'lmagan. Va hech qachon aql bovar qilmaydigan tasodifiy topilmalar uchun bo'shliqlar bunchalik tez va qat'iy ravishda foydalanishdan olib tashlanmagan.

Kelayotgan kelajakni qanday bo'lsa, shundayligicha qabul qilib, uni tanqidiy baholashni, shubhali yoki hattoki narsalarni aniqlashni o'rganishga arziydi. qorong'u tomonlar Biz kundalik hayotda bizning ishimizni osonlashtiradigan yangiliklardan foydalanishga intilamiz. Keling, bugungi suhbatimiz mavzusini tushunishga harakat qilaylik.

Tavsiya qilish tizimlarida qo'llaniladigan filtrlash usullari

Birgalikda filtrlash

Birgalikda filtrlash keng tarqalgan bo'lib qo'llaniladi, bu nafaqat amalga oshirishning nisbatan qulayligi tufayli. Uning ishlash printsipi haqiqatan ham oddiy, garchi uni ikki xil yondashuvga bo'lish mumkin.

Foydalanuvchilarni moslashtirishga asoslangan yondashuv (xalq orasida foydalanuvchiga asoslangan deb nomlanadi) ma'lum bir foydalanuvchining tizimga jalb qilingan boshqa foydalanuvchilarga o'xshashligini hisobga oladi. Misol uchun, agar Vasiliy Lady Gaga, Oasis va Led Zeppelinni ijobiy baholagan bo'lsa, u holda Lady Gaga va Led Zeppelinni yaxshi ko'radigan Anastasiya Oazisni taklif qilishga harakat qilishi mumkin.

Ob'ektni taqqoslash tushunchasi (mos ravishda ob'ektga asoslangan), aksincha, ob'ektlarning o'zini tahlil qiladi va ularning Vasiliyga bir vaqtlar yoqqan narsalarga o'xshashligini ochib beradi. Amalda shunday ko'rinadi: Vasiliy bir vaqtlar Radiohead va Blurni yoqtirardi, nega biz unga Oazisni ham taklif qilmaymiz?

Birgalikda filtrlash sizga o'xshash xatti-harakatlarga ega bo'lgan foydalanuvchilar o'rtasidagi farqlarni tahlil qilish va taqqoslash asosida juda aniq va tegishli tavsiyalarni olish imkonini beradi.

Vasiliy va Anastasiya: imtiyozlardagi farqlarga asoslangan o'zaro avtomatik tavsiyalar.

Kontentni filtrlash

Kontentni filtrlash taklif qilingan mahsulotlar yoki har qanday kontent o'rtasida ichki aloqalarni o'rnatadi. Ushbu oddiy printsip foydalanuvchiga avval tanlagan ob'ektlarga o'xshash ob'ektlarni tavsiya qilishda o'zini namoyon qiladi. Misol uchun, agar siz kitob do'konida gitara chalish bo'yicha qo'llanma sotib olsangiz, sizga avtomatik ravishda xuddi shu muallif tomonidan boshqa mashhur darsliklar yoki qo'llanmalar taklif etiladi. Kontentni filtrlash printsipidan foydalanadigan tavsiya tizimlarining katta afzalligi - bu yangi foydalanuvchini birinchi iste'molchi qadamlaridanoq takliflarga qiziqtirish qobiliyati. Siz uzoq vaqt davomida odamning afzalliklari haqida ma'lumot to'plashingiz shart emas, siz darhol tashrif buyuruvchini manba bilan ishlashga qo'shishingiz mumkin. Bundan tashqari, kontentni filtrlashning muhim afzalligi - bu boshqa foydalanuvchilar tomonidan baholanmagan va o'tkazib yuborilgan ob'ektlarni foydalanuvchiga tavsiya qilish qobiliyati. Oxirgi nuqta ko'pincha hamkorlik usulidan foydalanganda paydo bo'ladi.

Kontentni filtrlash foydalanuvchilarning ma'lum ob'ektlar haqidagi fikrlarini butunlay e'tiborsiz qoldiradi. Ob'ektlarning o'zlari o'rtasida aloqa o'rnatish orqali biz bir zumda, reytinglar va qo'shimcha shaxsiy ma'lumotlarni to'plamasdan, odamga uni qiziqtiradigan pozitsiyaga o'xshash narsani taklif qilish imkoniyatiga egamiz. Tavsiya tizimidan foydalanuvchi tajribasini asosiy modda sifatida chiqarib tashlagan holda, biz muammo deb ataladigan muammoni hal qilamiz. "sovuq boshlash", foydalanuvchi ma'lumotlarining siyrakligi tizimga shaxsiy tavsiyalarni ishlab chiqishga to'sqinlik qilganda. Biroq, kontentni filtrlashning salbiy tomoni mutlaqo noo'rin va ba'zida "Siz Toyota RAV4 sotib oldingizmi?" kabi bema'ni tavsiyalardir. Sizni Toyota Highlander ham qiziqtirishi mumkin!

Kontentni filtrlash printsipidan foydalanish bilan bog'liq yana bir qiyinchilik - bu tizimdagi barcha ob'ektlar o'rtasidagi aloqalarni o'rnatishda ishning ta'sirchan miqdori. Lekin eng ko'p asosiy kamchilik Bu usul nishonga juda past, ba'zan esa shartli zarba berishda ifodalanadi. Kontentni filtrlash yuqori darajadagi shaxsiylashtirishni anglatmaydi, shuning uchun tavsiyalarning aniqligi nisbatan past.

Bilimga asoslangan filtrlash (Bilim– asoslangan tizimlari)

Ushbu turdagi tizimlar onlayn-do'konlarda keng qo'llaniladi. Aslida, bilimga asoslangan tavsiyalar kontentni filtrlashning oldingi usuliga o'xshaydi, ammo bunday algoritmlar ob'ektlarni chuqurroq tahlil qiladi, ular o'rtasida o'xshashlikning oddiy mezonlariga ko'ra emas, balki ma'lum tovarlar guruhlarining o'zaro bog'liqligiga asoslanadi. .

Amalda, bu shunday ko'rinadi - masalan, smartfon sotib olayotganda, sayt sizga yangi qurilmangiz bilan foydalanish uchun mos aksessuarlarni taklif qiladi. Bu korpuslar, minigarnituralar, xotira kartalari va shunga o'xshash narsalar bo'lishi mumkin. Aksessuarlar uchun chegirmalarni taqdim etish orqali xaridorni qo'shimcha ravishda rag'batlantirishingiz mumkin, bu yangi qurilma sotib olish bilan bog'liq holda juda foydali bo'lishi mumkin.

Bilimga asoslangan tavsiyalar yaxshi natijalarni ko'rsatib, yirik tarmoqlarning aylanmasini oshiradi savdo maydonchalari o'nlab foizga. Bundan tashqari, kontentni filtrlashdan farqli o'laroq, ushbu turdagi tavsiyalar mavjud yuqori aniqlik, foydalanuvchiga aslida unga foydali bo'lishi mumkin bo'lgan narsani taklif qilish.

Agar siz aniq tavsiyalar bilan qiziqsangiz, veb-saytingizda bilimga asoslangan tizimni joriy etish haqida o'ylashingiz kerak. Kontentni filtrlash singari, bilimga asoslangan tavsiyalar tizimi ob'ektlar (mahsulotlar) o'rtasidagi munosabatlarni o'rganadi va tahlil qiladi, lekin qo'shimcha ravishda, u ma'lum bir foydalanuvchining individual xususiyatlari bilan bog'liq bir qator qo'shimcha variantlarni hisobga oladi.

a) foydalanuvchining xohishi. Hammaga tanish bo'lgan vaziyat - sayt foydalanuvchidan kerakli xususiyatlarni ko'rsatishni so'raydi, shundan so'ng u so'rovga mos keladigan mahsulotlarni taklif qiladi.

Yandex.Market va uning katakchalari foydalanuvchi talablari asosida boshqariladigan tavsiyalar tizimining muvaffaqiyatli va yorqin namunasidir.

b) Demografik xususiyatlar. Aslida, demografik ma'lumotlar Facebook, LinkedIn, VKontakte va boshqalar kabi yirik ijtimoiy tarmoqlar tomonidan tavsiyalar berish uchun ishlatiladi.

Albatta, bunday tizimni amalga oshirish uchun siz qattiq ishlashingiz kerak - siz juda katta hajmdagi ma'lumotlarni to'plashingiz va qayta ishlashingiz kerak bo'ladi.

Gibrid filtrlash

Eng kuchli va amalga oshirish qiyin vosita. Ko'rinib turibdiki, kelajak turli tavsiya mexanizmlarini yagona kuchli algoritmga birlashtirishda yotadi. Biz maqolaning boshida aytib o'tgan mutlaq qulaylik va shaxsiylashtirilgan haqiqat eng gibrid yordamida aniq amalga oshiriladi. samarali usullar tavsiyalar.

Bunday misolni Netflix ko'rsatadi, uning noyob aniqligini namoyish qiluvchi murakkab gibrid tavsiyalar tizimi doimiy ravishda takomillashtiriladi va modernizatsiya qilinadi. Bunday kuchli algoritmning ishlab chiqilishi ko'p jihatdan Netflix kompaniyasining o'zi tomonidan ushbu sohadagi tadqiqotlarni saxovatli moliyalash bilan bog'liq bo'lib, u 2006 yilda tavsiyalar tizimini 10% ga yaxshilash uchun 1 000 000 dollar taklif qilgan.

Algoritmni yaxshilashga muvaffaq bo'lgan BellKorning Pragmatic Chaos ishlab chiqish jamoasiNetflix10,09% ga.

Xulosa sifatida amaliy qadamlar haqida bir necha so'z

Muayyan filtrlash turini yoki bir nechta usullarning kombinatsiyasini tanlash to'g'ridan-to'g'ri ikkita omilga bog'liq - loyihangizning murakkabligi va uni moliyalashtirish miqdori. Misol uchun, bir-biri bilan kesishadigan tematik bloglar tizimi uchun algoritm yaratish nisbatan sodda va o'rtacha qimmat vazifadir. Kattaroq va turli xil loyihalar, masalan, onlayn-do'konlar, katta xarajatlarni talab qiladi, ayniqsa maqsad konversiyani haqiqatan ham sezilarli miqdorda oshirish bo'lsa. Qoidaga ko'ra, bunday loyihalarda faqat bitta turdagi tavsiyalar algoritmi bilan cheklanib bo'lmaydi va gibrid filtrlashdan foydalanish kerak, buning natijasida rivojlanishning narxi va murakkabligi kattalik buyurtmalari bo'yicha oshadi.

Gibrid algoritmni yaratish, amalga oshirish va disk raskadrovka qilish uchun sizga chiziqli va relyatsion algebra nima ekanligini yaxshi biladigan, shuningdek, tavsiya algoritmlarini yaratuvchilarni deyarli alohida kasbga aylantiradigan bir qator ko'nikmalarga ega bo'lgan tajribali ishlab chiquvchilarning butun jamoasi kerak bo'ladi.

Qanday bo'lmasin, foydalanuvchiga umumiy to'plamdan ma'lum ob'ektlarni tanlash imkoniyatini taklif qiladigan loyihani ishlab chiqishda, inson hayotining mutlaqo barcha sohalarida - uyquni optimallashtirishdan boshlab, foydalanishning tez sur'atlarda rivojlanishini hisobga olish kerak. uyquda sodir bo'ladigan barcha jarayonlarni tahlil qiladigan va uni takomillashtirish bo'yicha tavsiyalar beradigan qurilmalar, foydalanuvchining hozirgi ehtiyojlaridan kelib chiqqan holda kundalik tovarlarni avtomatik tanlash. Ma'lumki, har qanday korxona muvaffaqiyatining ajralmas sharti uning zamon ruhiga to'liq mos kelishidir.

Tavsiya qiluvchi tizimlar nima ekanligini aniqlashdan boshlaylik. Bu foydalanuvchilar nimani ko'rishni xohlashlarini aniqlashga va ularga taqdim etishga harakat qiladigan dasturlar va xizmatlardir (yoki tavsiya qiladi, shuning uchun nomi). Har birimiz turli saytlarda shunga o'xshash usullarga duch kelganmiz. Bugun biz bunday dasturlarning turlari va ishlash tamoyillarini tasvirlab beramiz, shuningdek, ushbu algoritmlarning amaldagi misollarini keltiramiz. Oxirigacha o'qing, qiziqarli bo'ladi!

Yuqorida tavsiya qiluvchi tizimlar nima ekanligini tasvirlab berdik, endi biz ularning ahamiyati haqida batafsilroq aytib beramiz. Ushbu dasturlar sayt va tashrifchining o'zaro ta'sirini yaxshiladi, chunki foydalanuvchi statik ma'lumotni taqdim etish o'rniga interaktiv tajriba oladi.

Tavsiyalar har bir shaxs uchun uning ma'lum bir veb-resursdagi oldingi harakatlari yoki o'tmishdagi faoliyati asosida alohida ishlab chiqariladi. Bundan tashqari, jarayonning oldingi ishtirokchilarining xatti-harakati ham muhimdir.

Onlayn do'konlar uchun bu, qoida tariqasida, muhim funktsiyadir va Amazon kabi yirik kataloglar uchun bu samarali ishlashning bir necha usullaridan biridir. Bu holda tavsiya qilish usuli odatiy qo'shimcha variant emas, u veb-resurs orqali foydalanuvchi navigatsiya qilish qulayligini ta'minlaydi. Agar elektron katalogda 20 000 dan ortiq mahsulot nomlari mavjud bo'lsa, yo'naltirish allaqachon juda qiyin bo'lib tuyulsa, millionlab mahsulotlar mavjud bo'lsa, nima deyishimiz mumkin?

Potentsial xaridorni bunday sayt bilan muloqot qilish qanchalik charchatadi? Javob aniq. Va siz izlayotgan mahsulotga vizual o'xshash yoki bir xil mahsulotlar guruhiga kiruvchi mahsulotlarni yoki qo'shimcha mahsulotlarni qidirish uchun vidjet (masalan, sizga bir juft poyabzal uchun sumka tanlash taklif qilinganda) keladi. qutqarish uchun. Ushbu yechim nafaqat ko'rishlar sonini oshiradi, balki konversiyaga ijobiy ta'sir ko'rsatadi.

Amaliyot shuni ko'rsatadiki, nafaqat onlayn-do'konlar ushbu texnikadan foydalanadilar. Ijtimoiy tarmoqlar ham ortda qolmaydi. Quyida VKontakte-dan misol keltirilgan.

Shuningdek, shunga o'xshash usullarni turli ijtimoiy platformalarda, adabiyotga bag'ishlangan portallarda, sayohatlarda, yangiliklar manbalarida, onlayn-do'konlarda, bir so'z bilan aytganda - deyarli hamma joyda osongina ko'rish mumkin. Ushbu texnika haqiqatan ham juda mashhur. Kinopoisk veb-resursi yana bir mavjud misoldir.

Texnikalar

Shunday qilib, birinchi tur - aniq ma'lumotlar yig'ish. Nomidan taxmin qilganingizdek, foydalanuvchining o'zi ish uchun zarur bo'lgan materiallarni taqdim etadi. Misol uchun, Yandex yoki boshqa qidiruv tizimlarining tavsiya tizimlari odamdan turli elementlarni baholashni, ma'lum bir hududda sevimlilar ro'yxatini tuzishni yoki bir nechta savollarga javob berishni so'raganda. Agar biror kishi o'z-o'zidan ma'lumot berishdan bosh tortsa, quyidagi texnika tegishli bo'ladi.

Ikkinchi tur - yashirin ma'lumotlarni yig'ish. Nisbatan aytganda, bu josuslik missiyasi bo'lib, unga ko'ra jarayon ishtirokchisining harakatlari keyingi qayta ishlash va qo'llash uchun dastur tomonidan qayd etiladi. Buning uchun sizga nima kerak? Dastur xaridlarni, saytlardagi reytinglarni tan oladi, ko'rishlar va sharhlar haqida ma'lumot to'playdi. Albatta, bunday texnikani tanlash ba'zi narsalarni talab qiladi axloqiy masalalar, chunki shaxsiy ma'lumotlarni himoya qilish foydalanuvchi qidiruv tizimlariga qo'yadigan asosiy talablardan biridir. Ammo hozircha, qandaydir kuzatuv mumkinligi haqiqat bo'lib qolmoqda va oddiy veb-saytga tashrif buyuruvchilar bunday voqealar haqiqatan ham sodir bo'layotganligini tekshira olmaydi.

Birinchi asosiy texnika hamkorlikda filtrlash deb ataladi. Ushbu texnikani qo'llash bo'yicha tavsiyalar bir kishi yoki bir guruh odamlarning xulq-atvor xususiyatlaridan kelib chiqqan holda amalga oshiriladi, ikkinchisi yanada samaraliroq. Guruhlar xulq-atvori va xususiyatlarida o'xshash odamlarni to'playdi.

Ma'lumotni tushunish osonroq bo'lishi uchun misol keltiramiz. Musiqiy asarlar tomoshabinlarga tavsiya etiladigan veb-sayt yaratilmoqda. Bu holatda hamkorlik metodologiyasiga asoslangan tavsiya xizmatlari qanday ishlaydi? Ushbu tamoyilga ko'ra: ishtirokchilar pleylistga bir xil janrdagi treklarni qo'shadigan bitta jamoa asos qilib olinadi. Keyinchalik, barcha musiqa qismlarining eng mashhuri aniqlanadi va ushbu musiqani hali tinglamagan guruh foydalanuvchilariga tavsiya etiladi.

Ikkinchi yondashuv kontentga asoslangan filtrlash deb ataladi. Bu yerda tavsiya inson xulq-atvori asosida shakllanadi. Ushbu yondashuv, shuningdek, ma'lum bir ishtirokchining ko'rish tarixini asos sifatida olishi mumkin.

Bu safar biz tematik onlayn jurnallar bilan misol keltiramiz. Shunday qilib, agar biror kishi ilgari tog 'velosipedi haqidagi tarkibni o'qigan va bunday tarkibga ega bo'lgan blog maqolalariga muntazam ravishda sharh bergan bo'lsa, tarkibni filtrlash usuli o'xshash manbalarni aniqlash va unga ushbu foydalanuvchi uchun tavsiya sifatida taklif qilish uchun ushbu o'tmish ma'lumotlaridan foydalanadi. .

Shuningdek, aralash yondashuvlar mavjud bo'lib, ularga ko'ra tavsiyalar tizimini ishlab chiqish amalga oshiriladi.

Aralashtirilgan yondashuv - bu hamkorlik va kontentni filtrlashning kombinatsiyasi. Ma'lumki, ko'proq yaxshi, shuning uchun bu ikki texnikani aralashtirish tavsiya tizimlarining samaradorligini oshiradi, ya'ni aniq odamlar uchun bashoratlarning aniqligini sezilarli darajada oshiradi.

Algoritmlar

Pearson korrelyatsiyasi

Bu algoritm tanlash imkonini beradi Umumiy xususiyatlar bir nechta foydalanuvchilar o'rtasida. Qanday qilib? Oddiy matematikadan foydalanish, ya'ni ikki element orasidagi chiziqli munosabatni aniqlash. Muhim nuqta shundaki, bu texnika odamlar jamoasi uchun mos emas.

Klasterlash

Tavsiya qiluvchi tizimlarning ishlash printsipi elementlar (foydalanuvchilar) o'rtasidagi o'xshashliklarni xususiyat fazosi deb ataladigan joyda bir-biriga yaqinligini hisoblash orqali aniqlashga asoslanadi. Belgilar - bu jarayonning ma'lum ishtirokchilarining manfaatlari birlashadigan elementlar (musiqa resurslari uchun bu treklar, kino portallari uchun - filmlar). Shunga o'xshash xususiyatlarga ega foydalanuvchilar klasterlar deb ataladiganlarga birlashtirilgan.

Birgalikda filtrlash algoritmi

Qattiq klasterni boshqa algoritm bilan almashtirish mumkin, u ancha murakkab formula bo'yicha ishlaydi va avvalgi barcha kabi, o'z guruhidagi foydalanuvchilarning xatti-harakatlariga asoslanadi. Biroq, bu texnikaning bir qancha sezilarli kamchiliklari bor. Birinchidan, yangi yoki atipik foydalanuvchilar (guruh tuzmaydiganlar) uchun tavsiyalarni topish qiyin. Ikkinchidan, yangi ob'ektlar tavsiya tizimlariga kirmasa, "sovuq boshlash" deb ataladi.

Kontentni filtrlash algoritmi

Algoritm avvalgisiga nisbatan nosimmetrikdir, lekin agar birinchi holatda biz foydalanuvchiga ob'ekt uning "sinfdoshlariga" yoqadi degan taxmindan boshlagan bo'lsak, bu erda biz u allaqachon qayd etgan shunga o'xshash ob'ektlarga asoslanib tavsiya qilamiz. o'zi. Va bu erda, an'anaviy ravishda, bir nechta muammolarni aniqlash mumkin. Xuddi shu "sovuq boshlanish" va tavsiyalar ko'pincha oddiy bo'lishi.

Xulosa o'rniga

Shunday qilib, biz boshlang'ich yoki oddiy oddiy odam tavsiya tizimlari haqida bilishi kerak bo'lgan barcha ma'lumotlarni taqdim etdik. Rostini aytsam, algoritmlar o'qimagan odam uchun biroz qiyin, shuning uchun bu maqolada matematik formulalar mavjud emas, garchi algoritmlar ularga asoslangan bo'lsa ham.

Tavsiya dasturlari oddiy Internet foydalanuvchilari va tadqiqotchilar va onlayn biznesmenlar uchun foydali xizmatlardir. Konvertatsiya va ko'rishlar sonini ko'paytirishni istaganlar ushbu texnikaga e'tibor berishlari va veb-resursning, ayniqsa onlayn-do'konning samaradorligini oshirish uchun uni amalga oshirishga ishonch hosil qilishlari kerak.

Tavsiya qiluvchi tizimlarni yaratishning ikkita asosiy strategiyasi mavjud: kontentni filtrlash va hamkorlikda filtrlash.

Da kontentni filtrlash yaratilmoqda profillar foydalanuvchilar va ob'ektlar.

• Foydalanuvchi profillarida demografik ma'lumotlar yoki muayyan savollarga javoblar bo'lishi mumkin.
• Obyekt profillari janr nomlarini, aktyor nomlarini, rassom ismlarini va boshqalarni o'z ichiga olishi mumkin. - ob'ekt turiga qarab.

Ushbu yondashuv loyihada qo'llaniladi Musiqa genom loyihasi: Musiqa tahlilchisi har bir qo'shiqni foydalanuvchining musiqiy afzalliklarini aniqlash uchun ishlatilishi mumkin bo'lgan yuzlab turli musiqiy xususiyatlar asosida baholaydi.

Da hamkorlikda filtrlash foydalanuvchining o'tmishdagi xatti-harakatlari haqidagi ma'lumotlardan foydalaniladi - masalan, xaridlar yoki reytinglar haqidagi ma'lumotlar. Bunday holda, qanday turdagi ob'ektlar bilan ishlayotganligi muhim emas, lekin profil yaratishda hisobga olish qiyin bo'lgan yashirin xususiyatlarni hisobga olish mumkin. Ushbu turdagi tavsiya tizimlarining asosiy muammosi "sovuq boshlash" dir: tizimda yaqinda paydo bo'lgan foydalanuvchilar yoki ob'ektlar haqida ma'lumotlarning etishmasligi.

Metodologiya

Aniq ma'lumotlarni yig'ish misollari

• foydalanuvchidan ob'ektni differentsial shkala bo'yicha baholashni so'rash;
• foydalanuvchidan ob'ektlar guruhini eng yaxshidan eng yomonigacha tartiblashni so'rash;
• foydalanuvchiga ikkita ob'ektni taqdim etish va qaysi biri yaxshiroq ekanligini so'rash;
• foydalanuvchi yoqtiradigan ob'ektlar ro'yxatini yaratish taklifi.

Yashirin ma'lumotlarni yig'ish misollari

• foydalanuvchi onlayn-do'konlarda yoki boshqa turdagi ma'lumotlar bazalarida nimani ko'rishini kuzatish;
• foydalanuvchilarning onlayn xatti-harakatlari qaydlarini yuritish;
• foydalanuvchi kompyuterining tarkibini kuzatish;

Ilova

Tavsiya qiluvchi tizimlar o'xshash ma'lumotlarni taqqoslash turli odamlar va ma'lum bir foydalanuvchi uchun tavsiyalar ro'yxatini hisoblang. Ulardan tijorat va notijorat maqsadlarda foydalanishning ba'zi misollari birgalikda filtrlash haqidagi maqolada keltirilgan. Tavsiya tizimlari qidiruv algoritmlariga qulay alternativ hisoblanadi, chunki ular oxirgi topib bo'lmaydigan ob'ektlarni aniqlash imkonini beradi. Qizig'i shundaki, tavsiya qiluvchi tizimlar odatda noodatiy ma'lumotlarni indekslash uchun qidiruv tizimlaridan foydalanadilar.

• Imhonet (filmlar, adabiyotlar, fotosuratlar)
• Last.fm (musiqa)
• Ozon (kitoblar, kompakt disklar va boshqalar)
• Software Informer (dasturiy ta'minot)
• Ilmiy fantastika laboratoriyasi (ilmiy fantastika va fantaziya haqidagi sayt)
• Imdb - filmlar (ingliz tilidagi sayt)
• Rehelper - filmlar
• Advizzer - joylar
• Mir4 - har qanday kontent, jumladan, qisqa muddatli kontent bilan ishlashga qodir eksperimental tizim. Hozircha u faqat yangiliklar bilan ishlaydi.

Havolalar

Eslatmalar

Adabiyot

• Melvil P., Muni R., Nagarajan R. Yaxshilangan tavsiyalar uchun tarkibni kuchaytiruvchi hamkorlikda filtrlash // Texas universiteti, AQSh: Konferentsiya materiallari. / AAAI-02, Ostin, TX, AQSh, 2002. - 2002. - 187-192-betlar.

Wikimedia fondi. 2010 yil.

Ilmiy va amaliy faoliyat, bibliografiya turlaridan biri (Qarang: Bibliografiya). R. b.ning asosiy jamoat maqsadi. SSSR va boshqa sotsialistik mamlakatlarda umumiy va kasb-hunar ta'limi va o'z-o'zini tarbiyalash ... Buyuk Sovet Entsiklopediyasi

URL: http://imhonet.ru Tijorat: Sa turi yo'q ... Vikipediya

Ushbu maqola hozirda a'zo: Moshanin tomonidan faol ravishda tahrir qilinmoqda. Iltimos, ushbu e'lon yo'qolguncha unga hech qanday o'zgartirish kiritmang. Aks holda, tahrirlashda ziddiyat yuzaga kelishi mumkin. Bu... ... Vikipediya - Bu sahifani Atom energiyasi boʻyicha xalqaro agentlik deb oʻzgartirish taklif qilinmoqda. Sabablarini tushuntirish va Vikipediya sahifasida muhokama: Nomini o'zgartirish / 24 iyul, 2012 yil. Balki uning hozirgi nomi zamonaviy standartlarga mos kelmaydi ... Vikipediya

BOLALAR ADABIYOTI BIBLIOGRAFIYASI- bibliografiya bo'limi, uning vazifalari bolalar va yoshlar uchun bosma asarlar to'g'risidagi buxgalteriya va ma'lumotlarni o'z ichiga oladi. Ushbu ma'lumot ikki asosiy yo'nalishda yo'naltiriladi. Manzillar: kattalar (o'qituvchilar, ota-onalar, o'qituvchilar, kasbiy jihatdan bog'liq bo'lgan mutaxassislar ... ... Rus pedagogik entsiklopediyasi

Mamlakat iqtisodiyoti-(Milliy iqtisodiyot)Mamlakat iqtisodiyoti-mamlakat boyligi va fuqarolar farovonligini ta’minlashga qaratilgan ijtimoiy munosabatlardir.Milliy iqtisodiyotning davlat hayotidagi o’rni, mohiyati, funksiyalari, tarmoqlari va ko’rsatkichlari. mamlakat iqtisodiyoti, mamlakatlar tuzilishi ... ... Investor entsiklopediyasi

Likvidlik- (likvidlik) likvidlik - majburiyatlarni uzluksiz to'lash imkoniyatini ta'minlaydigan aktivlarning harakatchanligi. Iqtisodiy xususiyatlar va korxona, bank, bozor, aktivlar va investitsiyalarning likvidlik koeffitsienti muhim iqtisodiy... ... Investor entsiklopediyasi

2016-yil 28-aprelda biz Stepic.org saytida talaba darajasiga qarab Python muammolarini tanlaydigan birinchi adaptiv kurs boshlanganini rasman e’lon qildik. Bundan oldin, biz platformada tavsiya etilgan darslarni ham amalga oshirardik, shunda talabalar tugatganlarini unutmasliklari va ularni qiziqtiradigan yangi mavzularni kashf etishlari mumkin edi.

Kesish ostida ikkita asosiy mavzu mavjud:

• onlayn ta'lim, ijobiy / salbiy / tuzoqlar haqida;
• tavsiya tizimlarining tasnifi, ularning ta'limda qo'llanilishi, misollar.

Onlayn ta'lim, uning afzalliklari, kamchiliklari va tuzoqlari haqida

Ushbu qism asosan kirish bo'lib, onlayn ta'limni tavsiflaydi, quyidagi rasm ostida tavsiya qilish tizimlarining qiziqarli tafsilotlari :)

Zamonaviy dunyoda onlayn ta'lim asta-sekin tobora ommalashib bormoqda. Etakchi professorlardan o'rganish imkoniyati ta'lim muassasalari, yangi sohalarni o'rganish, uydan chiqmasdan ish uchun zarur bo'lgan bilimlarni olish, jalb qiladi katta miqdorda odamlarning.

Onlayn ta'limning eng keng tarqalgan shakllaridan biri ommaviy ochiq onlayn kurslardir (MOOCs, Massive Open Online Courses). Ko'pincha ular o'qituvchi tomonidan tayyorlangan videolar, slaydlar va matn tarkibini, shuningdek, odatda avtomatik ravishda tekshiriladigan bilim testlarini o'z ichiga oladi, lekin talabalar bir-birlarining ishlarini ham tekshirishlari mumkin. Vazifalar sifatida har xil turdagi topshiriqlarni taklif qilish mumkin: oddiygina to'g'ri javobni tanlashdan insho yozishgacha va hatto Stepik-da bo'lgani kabi, avtomatik tekshirish bilan dasturlash vazifalari.

Onlayn ta'lim uni an'anaviy, oflayn ta'limdan ajratib turadigan o'ziga xos xususiyatlarga ega. Afzalliklar qatorida, birinchidan, yuqorida aytib o'tilgan Internetga kirish imkoniga ega bo'lgan har bir kishi uchun foydalanish imkoniyati. Ikkinchidan, u deyarli cheksiz miqyosga ega: vazifalarni avtomatlashtirilgan tekshirish tufayli minglab odamlar bir vaqtning o'zida kursda o'qishlari mumkin, bu sinflardagi odatiy kurslar bilan taqqoslanmaydi. Uchinchidan, har bir talaba materialni bajarish uchun qulay vaqt va tezlikni tanlashi mumkin. To‘rtinchidan, o‘qituvchilar foydalanuvchilar o‘z kurslarini qanday yakunlagani haqidagi ko‘plab ma’lumotlarga ega bo‘lib, ular o‘z materiallarini tahlil qilish va takomillashtirishda foydalanishlari mumkin.

Shu bilan birga, onlayn ta'limning kamchiliklari ham mavjud. An'anaviy ta'limdan farqli o'laroq, talaba har doim o'z ilmiy faoliyatini baholashga undaydi, onlayn kurslarda kursni o'tkazib yuborganlik uchun jazo yo'q. Shu sababli, kursni tugatganlarning ulushi unga ro'yxatdan o'tganlarning ulushi kamdan-kam hollarda 10% dan oshadi (bizning Stepik bo'yicha Anatoliy Karpovning "Statistika asoslari" kursi EdCrunch Awards 2015 bo'yicha eng yaxshisi edi; rekord - 17% ro'yxatdan o'tganlar birinchi ishga tushirishdan o'tishdi, ammo bu istisno). Bundan tashqari, o‘quvchilar soni ko‘p bo‘lganligi sababli o‘qituvchi har bir o‘quvchiga o‘z saviyasi va imkoniyatlariga mos ravishda alohida e’tibor berish imkoniyatiga ega emas.

Biz o'z oldimizga talabaga unga qiziq bo'lgan va uning tayyorgarlik darajasi va bilimidagi kamchiliklarni hisobga oladigan mazmun bo'yicha maslahat beradigan tavsiyalar tizimini yaratish vazifasini qo'ydik. Bundan tashqari, tizim tarkibning murakkabligini baholay olishi kerak. Bu, xususan, foydalanuvchiga materialni o'rganishga, unga moslashuvchan tarzda moslashishga va o'rganish uchun kerakli tarkibni taklif qilishga yordam beradigan moslashuvchan tavsiyalar uchun zarurdir. Bunday tizim foydalanuvchilarga ma'lum bir mavzuni o'rganishga yoki yangi narsalarni taklif qilishga yordam beradigan shaxsiylashtirilgan dars tavsiyalari bilan foyda keltiradi.

Umuman olganda, o'rganish yanada qiziqarli bo'lishi kerak edi!

Zamonaviy tavsiyalar tizimining birinchi namunalaridan biri filmlens.org bo'lib, u filmlarni foydalanuvchilarga o'z xohishlariga ko'ra taklif qiladi. Ushbu xizmat qiziqarli, chunki u har kimga filmlar va ularga foydalanuvchilar tomonidan berilgan reytinglar haqidagi keng ma'lumotlar to'plamini taqdim etadi. Ushbu ma'lumotlar to'plami so'nggi yigirma yil ichida tavsiya etilgan tizimlar sohasidagi ko'plab tadqiqotlarda qo'llanilgan.

• Kontentni filtrlashga asoslangan tizimlar. Bunday tizimlar foydalanuvchilarga avval o'rganganlariga o'xshash tarkibni taklif qiladi. O'xshashlik taqqoslanayotgan ob'ektlarning xususiyatlaridan foydalangan holda hisoblanadi. Masalan, filmlarni tavsiya qilish uchun janrga yaqinlik yoki aktyorlar tarkibidan foydalanish mumkin. Ushbu yondashuv Internet Movie Database filmlarini baholash, qidirish va tavsiya qilish xizmatida qo'llaniladi.
• Birgalikda filtrlashdan foydalanadigan tizimlar. Bunday holda, foydalanuvchiga o'xshash foydalanuvchilarni qiziqtiradigan kontent taklif etiladi. MovieLens xizmatining tavsiyalari aynan shu yondashuvga asoslangan.
• Oldingi ikkita yondashuvni birlashtirgan gibrid tizimlar. Ushbu turdagi tizim Netflix-da, filmlar va seriallarni onlayn ko'rish xizmatida qo'llaniladi.

Biz kontentni filtrlashdan faolroq foydalanish va hamkorlikda filtrlashdan kamroq faol foydalanish bilan gibrid tizim yaratdik.

Technology Enhanced Learning uchun tavsiya tizimlari bo'yicha ko'plab tadqiqotlar mavjud. Bu holda vazifaning o'ziga xosligi tavsiyalar tizimini rivojlantirish uchun yangi yo'nalishlarni qo'shadi.

Ta'lim loyihasini tavsiya qilish tizimining xususiyatlari qanday?

Birinchidan, ma'lum bir vaqtda foydalanuvchining ehtiyojlariga moslashadigan va unga materialni o'rganishning eng yaxshi usullarini taklif qiladigan moslashuvchan tavsiyalar tizimini yaratish mumkin. Ushbu formatda turli xil simulyatorlarni amalga oshirish mumkin, masalan, matematikada yoki ba'zi dasturlash tilida, turli xil murakkablikdagi ko'plab vazifalarni o'z ichiga oladi, ulardan har xillari har qanday vaqtda turli talabalar uchun mos keladi.

Ikkinchidan, foydalanuvchilar ularni qanday bajarishlari haqidagi ma'lumotlardan o'quv materiallari o'rtasidagi bog'liqlikni ajratib olish mumkin.

Ushbu ma'lumotlar materiallardagi alohida mavzularni, ushbu mavzular orasidagi bog'lanishlarni va ularning murakkablikdagi munosabatlarini ajratib olishga yordam beradi.

Coursera, EdX, Udacity (onlayn ta'lim platformalari) foydalanuvchilarga qiziqishi mumkin bo'lgan kurslarni tavsiya qilish uchun o'zlarining tavsiya tizimlaridan foydalanadilar. Ushbu tavsiyalarning nochorligi shundaki, ular faqat butun kursni taklif qilishlari mumkin, lekin foydalanuvchi faqat shu qismga qiziqsa ham, uning bir qismini emas. Bundan tashqari, shu tarzda qurilgan tizim foydalanuvchiga o'zi tanlagan kursni o'rganishda yordam bera olmaydi.

MathsGarden resursni tavsiya qilish tizimi, aksincha, eng kichik tarkib qismlari - individual vazifalar bilan ishlaydi. Bu talabalar uchun elementar arifmetika uchun simulyator boshlang'ich maktab, bu o'quvchiga murakkablik nuqtai nazaridan ma'lum bir vaqtda unga optimal tarzda mos keladigan vazifalarni taklif qiladi.
Buning uchun tizim talaba bilimining nisbiy xarakteristikasini, shuningdek, vazifalarning murakkabligi xarakteristikasini hisoblab chiqadi va dinamik ravishda o'zgartiradi, lekin bu haqda keyinroq.

Keyingi maqolalarda biz Stepic.org qurilmasi va tavsiya qiluvchi tizimni amalga oshirish haqida batafsilroq gaplashamiz, adaptiv tavsiya tizimi nima ekanligini aniqlaymiz va olingan natijalarni batafsil tahlil qilamiz. Bu qiziqarli bo'ladi :)