Co jsou systémy doporučení?

Systémy doporučení jsou systémy, které dávají uživatelům doporučení na základě údajů, které uživatelé do systému vložili. Čím více údajů uživatel poskytl, tím přesnější mohou být takové systémy. Kromě toho údaje předkládané jednotlivými uživateli pomáhají celkově zlepšit systém tím, že generují informace, které lze použít k doporučení pro ostatní uživatele. Doporučující systémy jsou běžně vidět na webech, jako jsou filmové a televizní recenzní weby a na těch, kde jsou velké zásoby maloobchodních předmětů, které by bylo prakticky nemožné procházet sledováním každé položky.

Tyto systémy mohou interagovat s uživateli mnoha různými způsoby. Jednou z nich je služba uživatelům, kteří hledají více věcí, o které by se mohli zajímat, jako je například další čtení, televizní pořady nebo videohry. V těchto systémech generuje uživatel seznam lajků a oblib a systém se snaží předpovídat, jak bude uživatel hlasovat o věcech, o nichž ještě nehlasoval. Pokud si myslí, že by něco mělo vysoké hodnocení, naznačuje to uživateli.

Dobře navržené systémy doporučení se poučí ze svých chyb. Systém by mohl doporučit Zvuk hudby, protože uživatel měl rád Willy Wonku a továrnu na čokoládu . Uživatel si mohl vybrat takové možnosti, jako je „Líbí se mi“ nebo „Toto se mi nelíbí“. Pokud se uživateli nelíbilo The Sound of Music , systém by to mohl vzít na vědomí a dále zdokonalovat algoritmus použitý pro generování doporučení. Čím více údajů se nahromadí, tím budou doporučení užitečnější.

Maloobchodní weby používají systémy doporučení, aby přilákaly lidi k nákupu impulzů. Systém bere na vědomí zakoupené položky a doporučuje související a užitečné položky. Například někdo, kdo si koupí fotoaparát, může být dotázán, zda chce koupit nabíječku, pouzdro na fotoaparát, filtry a další objektivy. Někdo, kdo si koupí knihu o feministické teorii, by se mohl dozvědět, že další kupující tohoto titulu mají také jiný související titul. Tyto typy systémů doporučení umožňují personalizovaný marketing, který je vysoce pravděpodobný pro uživatele.

Tyto systémy spoléhají na kolaborativní filtrování dat, ve kterém jsou data od velkého počtu uživatelů smysluplně organizována. Díky tomu může web navázat spojení, která by jinak nebyla zřejmá, což zvyšuje kvalitu doporučení. Uživatelé, kteří se nechtějí účastnit, mohou obvykle změnit možnosti ve svém uživatelském nastavení, ale sníží kvalitu doporučení, která obdrží, protože systém se nemůže poučit z preferencí jednotlivce, pouze kolektivního názoru ostatních uživatelů.