Vad är rekommendationssystem?

Rekommenderade system är system som ger rekommendationer för användare på grundval av data som användarna har angett i systemet.Ju mer data som en användare har tillhandahållit, desto mer exakta sådana system kan vara.Dessutom hjälper data som skickas av enskilda användare att förbättra systemet totalt sett genom att generera information som kan användas för att ge rekommendationer för andra användare.Rekommendationssystem ses ofta på webbplatser som film- och tv -granskningssidor och de med stora inventeringar av detaljhandelsobjekt som skulle vara funktionellt omöjliga att bläddra genom att titta på varje objekt.

Dessa system kan interagera med användare på ett antal olika sätt.Den ena är som en tjänst för användare som letar efter fler saker de kan vara intresserade av, som vidare läsning, TV -program eller videospel.I dessa system genererar användaren en lista över likes och ogillar och systemet försöker förutsäga hur användaren kommer att rösta om saker han eller hon inte har röstat om ännu.Om det tror att något skulle ha ett högt betyg, föreslår det det för användaren.

Väl utformade rekommendationssystem lär av sina misstag.Ett system kan rekommendera Sound of Music eftersom en användare gillade Willy Wonka #38;Chokladfabriken .Användaren kan välja alternativ som jag gillar det här eller så gillar jag inte det här.Om användaren inte gillade Sound of Music , kunde systemet notera och ytterligare förfina algoritmen som användes för att generera rekommendationer.Ju mer uppkommande data, desto mer användbara kommer rekommendationerna att vara.

Detaljhandelssajter använder rekommendationssystem för att locka människor att göra impulsköp.Systemet noterar föremål som köpts och rekommenderar relaterade och användbara artiklar.Till exempel kan någon som köper en kamera frågas om han eller hon vill köpa en laddare, ett kamerafodral, filter och ytterligare linser.Någon som köper en bok om feministisk teori kan få höra att andra köpare av den titeln också har en annan, relaterad titel.Dessa typer av rekommendationssystem möjliggör personlig marknadsföring som är mycket troligt att tilltala användare.

Dessa system förlitar sig på samarbetsfiltrering av data, där data från ett stort antal användare är organiserade på meningsfulla sätt.Detta gör att webbplatsen kan skapa anslutningar som annars inte kan vara uppenbara, vilket förbättrar kvaliteten på rekommendationerna.Användare som inte vill delta kan vanligtvis ändra alternativ i sina användarinställningar, men de kommer att minska kvaliteten på rekommendationer de får eftersom systemet inte kan lära sig av individens preferenser, bara den kollektiva åsikten från andra användare.