本內容已獲得營銷AI研究所合作夥伴Pandata的許可重新發布。BETVlCTOR1946伟德
推薦係統是像Spotify這樣的公司使用的人工智能根據您的喜好向您提出建議。以下是它們的工作原理……
首先，我們需要從推薦係統配方的成分開始。推薦係統使用三種方法來產生推薦。
他們需要一些推薦。在推薦術語中，這些被稱為項目．項目可以是我們希望客戶建立的聯係，我們希望客戶購買的東西，或者我們希望客戶完成的活動。
推薦人還需要關於用戶也就是我們向其提出建議的人。具體來說，他們需要用戶對我們推薦的商品有何感受的數據。我們通過評分和用戶與物品的交互方式來獲得這一點顯式的而且隱含的信息,分別。我們稍後會詳細討論。
第三組信息是可選的，但通常用於最複雜的推薦係統。這是關於用戶或物品的信息，不包括用戶如何與物品交互或對物品的感覺。這可能包括愛好、技能、用戶的朋友網絡。這叫做方麵的信息這些類型的數據經常出現在社交網絡的推薦係統中。你在推薦信中包含的附加信息取決於你的推薦係統的目標。
用戶與項目的交互產生兩種類型的數據顯式信息和隱式信息。
顯性信息包括星級評價或好惡。這些是用戶用來明確表明他們對物品的看法的東西。通常，我們沒有明確的可用信息，我們必須從用戶行為中推斷出用戶對某件物品的感覺。
這就是隱含信息的用武之地。表示對某件商品感興趣的行為，例如單擊以獲取更多信息、保存該商品或購買該商品，用於對用戶可能對該商品的感覺進行最佳猜測。隱式信息需要對行為和觀點之間的關係做出可能不正確的假設，但研究表明，這類數據產生了可靠的建議。
隱式、顯式和側麵信息的組合用於創建所謂的配置文件對於每個用戶。這些概要文件是推薦係統如何進行推薦的關鍵。不同類型的推薦係統以不同的方式使用這些配置文件。
有兩種主要類型的推薦係統，稱為內容過濾而且協同過濾．這兩種過濾器的主要區別在於它們使用概要文件創建推薦的方式。
內容過濾器的重點是識別與用戶個人資料中出現的用戶評分或互動內容相似的項目。這些類型的推薦係統依賴於識別我們喜歡的商品和我們沒有體驗過的商品之間的相似特征。在這個例子中，白色條紋樂隊的藍調、後朋克、車庫另類搖滾的聲音將這個用戶連接到聲音相似的團體。這種類型的推薦的優勢在於，它確定了我們已經喜歡的東西的特征。缺點是我們能得到的很多推薦太像我們已經經曆過或購買過的東西，而沒有足夠的新鮮和令人驚訝的東西。
協同過濾器使用用戶配置文件來識別配置文件相似的其他用戶。一旦一組相似的用戶被識別出來，算法就會找出其他用戶喜歡的、我們的個人資料中不包含的項目。我們的想法是，如果我們與這些其他用戶分享品味，那麼他們可能推薦的東西(他們喜歡的東西)就會為我們提供很好的推薦。來自協作過濾器的建議可以包含我們以前沒有經曆過的新鮮事物。他們還可以向我們展示我們不感興趣的東西。
一些推薦人結合了內容過濾和協作過濾的優點，這就是所謂的混合過濾器．有許多方法可以創建混合過濾器，為構建推薦係統提供豐富的選擇。
沒有一種方法可以適用於所有的推薦係統。從您使用的組件到您構建的過濾器類型，一切都取決於推薦係統的目標。所以，下次你打開你最喜歡的音樂應用程序時，想想你與播放列表的互動方式，你聽的歌曲，以及你分享的關於自己的信息，可能會把你和其他有相似品味的聽眾聯係起來，並導致算法播放《白色條紋》之後的《Strokes》。