Hva er anbefalingssystemer?

Anbefalersystemer er systemer som gir anbefalinger til brukere på grunnlag av data brukerne har lagt inn i systemet. Jo mer data en bruker har gitt, desto mer nøyaktige kan slike systemer være. I tillegg hjelper data som er sendt inn av enkeltbrukere til å forbedre systemet generelt, ved å generere informasjon som kan brukes til å gi anbefalinger til andre brukere. Anbefalingssystemer blir ofte sett på nettsteder som film- og TV-vurderingssider, og de med store varebeholdninger av detaljhandelsvarer som det ville være umulig å bla gjennom ved å se på hvert eneste element.

Disse systemene kan samhandle med brukere på en rekke forskjellige måter. Den ene er som en tjeneste for brukere som leter etter flere ting de kan være interessert i, som videre lesing, TV-serier eller videospill. I disse systemene genererer brukeren en liste over liker og misliker, og systemet prøver å forutsi hvordan brukeren vil stemme på ting han eller hun ikke har stemt på ennå. Hvis den tror at noe vil ha en høy rangering, antyder det det for brukeren.

Godt utformede anbefalingssystemer lærer av sine feil. Et system kan anbefale The Sound of Music fordi en bruker likte Willy Wonka & Chocolate Factory . Brukeren kan velge alternativer som "Jeg liker dette" eller "Jeg liker ikke dette." Hvis brukeren ikke likte The Sound of Music , kunne systemet notere seg og videreutvikle algoritmen som ble brukt for å generere anbefalinger. Jo flere data som er påløpt, jo mer nyttige vil anbefalingene være.

Butikknettsteder bruker anbefalingssystemer for å lokke folk til å gjøre impulskjøp. Systemet tar vare på kjøpte varer og anbefaler relaterte og nyttige ting. For eksempel kan noen som kjøper et kamera, bli spurt om han eller hun ønsker å kjøpe en lader, et kamerahylster, filtre og tilleggsobjektiver. Noen som kjøper en bok om feministisk teori kan bli fortalt at andre kjøpere av den tittelen også liker en annen, beslektet tittel. Disse typer anbefalingssystemer gir mulighet for personlig markedsføring som med stor sannsynlighet vil appellere til brukerne.

Disse systemene er avhengige av samarbeidende filtrering av data, der data fra et stort antall brukere er organisert på meningsfylte måter. Dette gjør det mulig for nettstedet å opprette forbindelser som ellers ikke er synlige, noe som forbedrer kvaliteten på anbefalingene. Brukere som ikke ønsker å delta, kan vanligvis endre alternativer i brukerinnstillingene, men de vil redusere kvaliteten på anbefalingene de mottar fordi systemet ikke kan lære av individets preferanser, bare den kollektive oppfatningen til andre brukere.