Hvad er anbefalingssystemer?
Anbefalingssystemer er systemer, der fremsætter henstillinger til brugere på grundlag af data, som brugerne har indtastet i systemet. Jo flere data en bruger har leveret, jo mere nøjagtige kan sådanne systemer være. Derudover hjælper data, der indsendes af individuelle brugere, til at forbedre systemet generelt ved at generere oplysninger, der kan bruges til at fremsætte anbefalinger til andre brugere. Anbefalingssystemer ses ofte på websteder som film- og tv-gennemgangssteder og på dem med store varebeholdninger af detailvarer, som ville være funktionelt umulige at gennemse ved at se på hvert emne.
Disse systemer kan interagere med brugerne på en række forskellige måder. Den ene er som en service til brugere, der leder efter flere ting, de måske er interesseret i, som yderligere læsning, tv-shows eller videospil. I disse systemer genererer brugeren en liste over lide og ikke-kunne lide, og systemet forsøger at forudsige, hvordan brugeren vil stemme på ting, han eller hun ikke har stemt endnu. Hvis det mener, at noget ville have en høj bedømmelse, foreslår det det for brugeren.
Godt designede anbefalingssystemer lærer af deres fejl. Et system kan muligvis anbefale The Sound of Music, fordi en bruger kunne lide Willy Wonka & Chocolate Factory . Brugeren kunne vælge indstillinger som "Jeg kan godt lide dette" eller "Jeg kan ikke lide dette." Hvis brugeren ikke kunne lide The Sound of Music , kunne systemet notere sig og forbedre den algoritme, der blev brugt til at generere anbefalinger. Jo flere data der er påløbet, jo mere nyttige vil anbefalingerne være.
Detailwebsteder bruger anbefalingssystemer til at lokke folk til at foretage impulskøb. Systemet noterer sig de købte varer og anbefaler relaterede og nyttige ting. F.eks. Kan en, der køber et kamera, blive spurgt, om han eller hun ønsker at købe en oplader, et kamerahus, filtre og yderligere linser. En person, der køber en bog om feministisk teori, kan få at vide, at andre købere af denne titel også nyder en anden relateret titel. Disse typer af anbefalingssystemer giver mulighed for personlig markedsføring, som meget sandsynligt appellerer til brugerne.
Disse systemer er afhængige af samarbejdsfiltrering af data, hvor data fra et stort antal brugere er organiseret på meningsfulde måder. Dette gør det muligt for webstedet at oprette forbindelser, der ellers måske ikke er synlige, hvilket forbedrer kvaliteten af anbefalingerne. Brugere, der ikke ønsker at deltage, kan normalt ændre indstillinger i deres brugerindstillinger, men de vil reducere kvaliteten af de henstillinger, de modtager, fordi systemet ikke kan lære af individets præferencer, kun den kollektive mening fra andre brugere.