о нас
персоналии
сми о нас
проекты
издательство
кафедра
книга
термины
Имхонет
исследования
аналитика
ссылки
 , O`Connor, M., Cosley, D., Konstan, J. A., & Riedl, J.Рекомендательные системы, выдающие рекомендации по запросу группы пользователейPolyLens: A Recommender System for Groups of Users. In Proceedings of ECSCW 2001, Bonn, Germany, pp. 199-218. Как уже известно, системы рекомендаций помогают пользователям, столкнувшимся с огромным выбором товаров, определить, какие из них лучше всего соответствуют его персональным потребительским предпочтениям. Самые продвинутые системы изучают вкусы каждого конкретного пользователя и предоставляют персонифицированные рекомендации. Хотя был разработан целый ряд технологий по моделированию человеческого поведения и установлению персональных особенностей индивидуума, пытающихся изучать потребительские предпочтения, автоматическая коллаборативная фильтрация стала самой предпочитаемой технологией для систем персонифицированных рекомендаций частично потому, что она выгодно использует опыт всего пользовательского коммьюнити для выработки высокоточных рекомендаций, не требуя построения детальных моделей контента или потребительских вкусов. На данный момент системы автоматической коллаборативной фильтрации сконцентрировались исключительно на рекомендовании объектов отдельным людям. В каких-то сферах, таких как книги или музыка, обычно люди потребляют медиа в одиночку. Но есть сферы, такие как рестораны, настольные игры, кино, где обычно люди наслаждаются времяпрепровождением в группе. Те рекомендательские системы, которые устанавливают, какие фильмы скорей всего понравятся отдельному пользователю, не отвечают на потребности группы людей в рекомендациях подобного рода. Mark O’Connor, Dan Cosley, Joseph A. Konstan, и John Riedl разработали систему рекомендаций на основе коллаборативной фильтрации для выработки рекомендаций для групп пользователей, PolyLens. PolyLense по сути своей является рекомендательской системой MovieLens, но доработанной для возможного использования её группами пользователей. MovieLens – это бесплатный рекомендационный сайт с более 80000 пользователей и их оценками 3500 фильмов (в целом – 5 миллионов оценок). Пользователи MovieLens оценивают фильмы по 5-балльной шкале. Пользователи сервиса могут вести поиск фильмов по названию, получая список соответствующих фильмов с предполагаемым рейтингом, который мог бы выставить этим фильмам пользователь, или они могут выбирать категории фильмов по году и жанру, получая список рекомендаций, отсортированный по прогнозируемому рейтингу. PolyLens была интегрирована с MovieLens следующим образом: у пользователей появилась возможность создавать группы, приглашать принять участие в группе, заказывать персональную или групповую рекомендацию. Однопользовательские системы коллаборативной фильтрации обычно используют алгоритмы «ближайшего окружения (соседства)», которые устанавливают группу членов онлайн-коммьюнити, чьи предпочтения близки ко вкусам целевого пользователя, и оценивают объекты как среднюю величину нормализованных рейтингов этих пользователей, взвешенную по схожести. Этот алгоритм не применим к групповым рекомендациям, так как каждый член группы имеет различные вкусы и, следовательно, различные индивидуальные рейтинги в своём профайле. Существует 2 подхода для выработки групповых рекомендаций: это создать «псевдопользователя», выражающего групповые интересы, и вырабатывать рекомендации для него. Псевдопользователь мог бы быть создан членами группы вручную, как отражение их общих вкусов, или он мог бы быть создан автоматически, путём слияния профайлов членов группы. Создавать «псевдопользователя» из профайлов членов группы очень удобно, но при этом возникает ряд проблем. Например, рекомендации могут быть смещены в сторону тех пользователей, в чьих профайлах указано больше рейтингов. Вместо создания псевдопользователей система рекомендаций может генерировать рекомендации для каждого члена группы и объединять их между собой в один список. Эта стратегия слияния рекомендаций обладает большим рядом преимуществ.
|