1 / 33

Personalizované odporúčanie

Personalizované odporúčanie. Michal Kompan. Odporučiť. Navrhnúť, poradiť (KSSJ4) Dať radu, urobiť návrh, poradiť (SSS). Čo je to odporúčanie?. Odporúčaný postup udržiavania lakovaných dvierok Odporúčaný príjem živín pre deti Odporúčaný študijný plán pre študijný program

cole
Download Presentation

Personalizované odporúčanie

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Personalizované odporúčanie Michal Kompan

  2. Odporučiť • Navrhnúť, poradiť (KSSJ4) • Dať radu, urobiť návrh, poradiť (SSS)

  3. Čo je to odporúčanie? • Odporúčaný postup udržiavania lakovaných dvierok • Odporúčanýpríjemživín pre deti • Odporúčanýštudijnýplán pre študijnýprogram • Odporúčaný čas opaľovania

  4. Personalizovanéodporúčanie

  5. História • Začiatok 1990 – XEROX • The GroupLens Project (CSCW ’94)UsenetNews • 1995- Ringo (later Firefly), Bellcore Video Recommender • 1996 - RecommenderSystemsWorkshop • Microsoft, Amazon, MIT

  6. Klasifikácia

  7. Klasifikácia II.

  8. Klasifikácia III.

  9. Klasifikácia ... • Kontextové • „Prvkové“ • Skupinové • Multikritéria . . .

  10. Kolaboratívne odporúčanie • Používatelia vs. prvky odporúčania • Viaceré typy hodnotenia obsahu: • Interval, binárne hodnotenie, unárne hodnotenie

  11. Kolaboratívne odporúčanie • Úlohy: • Nový prvok, ktorý sa mi môže páčiť. • Ako je dobrý konkrétny prvok ? (dobrý zlý) • Nájdi podobných používateľov. • Funkcionalita • Oporúčanie prvkov • Predpovedaj hodnotenie daného prvku • Odporúčanie na základe ohraničení

  12. Kolaboratívne odporúčanie • Požiadavky na doménu: • Veľa prvkov, veľa hodnotení ku prvkom, používatelia hodnotia viacero prvkov • Prvky sú „stále“, používatelia sa „nemenia“

  13. Kolaboratívne odporúčanie • Väčšina využíva „predpočítanie“ • Nepravdepodobnostné prístupy • Najbližší susedia (používatelia / prvky) • Asociačné pravidlá • Redukcia dimenzionality (SVD, PCA) • Pravdepodobnostné prístupy • Predikcia hodnotenia • Baysovské siete, EM

  14. Kolaboratívne odporúčanie • Výhody: • Doménovo nezávislé • Časom sa vylepšuje • Nevýhody • Nový používateľ • Nový prvok • Šedé ovce • Množstvo dát

  15. Odporúčanie založené na obsahu Odporúčané:

  16. Odporúčanie založené na obsahu • Založené na analýze obsahu • Viaceré metriky pre hľadanie podobnosti • Výhody: • Nezávislosť na používateľoch • „Priehľadnosť“ • Spracovanie nových prvkov • Nevýhody • Spracovanie obsahu • Špecializovanosť • Nový používateľ

  17. Hybridné odporúčanie • Dve a viac techník kombinuje do jedného odporúčania • Prístupy kombinovania • Váhovanie • Mix • Prepínanie • Kaskáda • Meta odporúčanie

  18. Hybridné odporúčanie

  19. Hybridné odporúčanie

  20. Hybridné odporúčanie

  21. Demografické odporúčanie • Demografické charakteristiky používateľov • Výhody: • Nie je problém s novým používateľom • Doménovo nezávislé • Nevýhody: • Súkromie • Kultúrne rozdiely – špecifické domény

  22. Znalostné odporúčanie • Využíva znalosti o prvkoch a aktuálnych potrebách používateľa • Ako daný prvok napĺňa konkrétnu potrebu používateľa • Napr. informácie o prepojeniach stránok pre odvodenie popularity a dôležitosti

  23. Komunitné odporúčanie • „Povedz mi kto sú tvoji priatelia a ja ti poviem kto si“ • Rozšírenie kolaboratívneho odporúčania o sociálne väzby – sociálne siete • Málo preskúmané – rôzne výsledky

  24. Skupinové odporúčanie • Na vstupe skupina používateľov • Vybrať prvky, ktoré uspokoja všetkých členov • Agregačné stratégie • Agregáciaodporpčaní • Agregácia preferencií • Modelovanie spokojnosti

  25. Kontextové odporúčanie • Čas, poloha, počasie, nálada... • Mobilné zariadenia • Rádio, nákupy, filmy, divadlo, práca

  26. Spätná väzba • Implicitná • Unárna • Explicitná • Intervalová • Binárna • negatívna

  27. Čo na to používatelia Homodiscussants ???

  28. Problémy systémov pre odporúčanie • Šedé ovce • Studený štart (používateľ/prvok) • Efektívnosť • Bezpečnosť • Ovplyvniteľnosť • Používatelia

  29. Vlastnosti • Vysvetľovanie • Bezpečnosť • „Počúvanie“ • Efektívnosť • Presvedčivosť • Spokojnosť

  30. Overovanie • Presnosť/pokrytie (spojené so spätnou väzbou) • Reálne vs. simulované • Kontrolované prostredie • Dotazníky

  31. Iné metriky • Rôznorodosť (novelty) – správy • Pokrytie – koľko prvkov dokážeme odporučiť:všetky prvky • Rýchlosť učenia • Dôveryhodnosť • Spokojnosť používateľa

  32. Francesco Ricci, LiorRokach, BrachaShapira, Paul B. Kantor (Eds.): Recommender Systems Handbook. Springer 2011, ISBN 978-0-387-85819-7 • P. Brusilovsky, A. Kobsa, and W. Nejdl (Eds.): TheAdaptive Web, LNCS 4321 • Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard FriedrichRecommenderSystems: AnIntroduction, 2010 • AdomaviciusG, Tuzhilin A. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering. 2005;17(6):734-749.

More Related