|
Axborotlarni izlash va ajratib olish
|
| bet | 5/6 | | Sana | 08.02.2024 | | Hajmi | 4,42 Mb. | | #153176 |
Hamkorlikdagi filtrlash
Ushbu tizimlar sinfi 90-yillarda faol rivojlana boshladi. Ushbu yondashuvda tavsiyalar boshqa shunga o'xshash foydalanuvchilarning manfaatlaridan kelib chiqqan holda ishlab chiqariladi. Bunday tavsiyalar ko'plab foydalanuvchilarning "hamkorligi" natijasidir. Algoritmning klassik amalga oshirilishi k-eng yaqin qo'shnilar printsipiga asoslanadi. Barmoqlarda - har bir foydalanuvchi uchun biz unga eng o'xshash k ni qidiramiz (afzalliklar bo'yicha) va foydalanuvchi haqidagi ma'lumotlarni uning qo'shnilari haqidagi ma'lum ma'lumotlar bilan to'ldiramiz. Masalan, agar siz o'xshash qiziqishlarga ega qo'shnilaringiz "Qon va beton" filmidan xursand bo'lishlarini bilsangiz, lekin biron sababga ko'ra uni hali ko'rmagan bo'lsangiz, bu sizga ushbu filmni shanba kuni tomosha qilish uchun taklif qilish uchun ajoyib sababdir.
Yuqoridagi rasmda usulning ishlash printsipi ko'rsatilgan. Afzal matritsada biz yangi mahsulotlar (savol belgilari) uchun reytinglarni aniqlamoqchi bo'lgan foydalanuvchi sariq rangda ta'kidlangan. Uning uchta eng yaqin qo'shnisi ko'k rang bilan ta'kidlangan.
"O'xshashlik" bu holda manfaatlarning "korrelyatsiyasi" ning sinonimi bo'lib, uni ko'p jihatdan ko'rib chiqish mumkin (Pirson korrelyatsiyasidan tashqari, kosinus masofasi ham bor, Jakkar masofasi, Hemming masofasi va boshqalar).
. Bilimlarga asoslangan filtrlash
Tavsiyalar berishning yanada murakkab usuli bu bilimga asoslangan filtrlashdir. Ushbu usul potentsial xaridorning so'rovlarining maksimal tafsilotlaridan foydalangan holda uning afzalliklari to'g'risida ma'lumot to'plashni o'z ichiga oladi. Ushbu turdagi tavsiya tizimlari, masalan, uylarni sotishda qo'llaniladi: tizim katalogdan xaridor uchun mos variantni tanlashi uchun kerakli qavatlar soni, uyning maydoni, devor materiallari va boshqa ko'plab parametrlar to'g'risida ma'lumot to'plash kerak.
Gibrid tavsiya tizimlari
Kombinatsiyalangan tavsiya tizimlari yuqorida sanab o'tilgan filtrlash usullarining turli kombinatsiyalaridan foydalanishni ta'minlaydi. Masalan, onlayn kiyim-kechak do'konlarida potentsial xaridorga ko'rsatmalarda ular allaqachon ko'rgan narsalarga o'xshash narsalar va shunga o'xshash imtiyozlarga ega foydalanuvchilar tomonidan buyurtma qilingan narsalar ko'rsatilgan. Shunday qilib, tizim bir vaqtning o'zida tarkibga asoslangan tanlov mexanizmlarini va hamkorlikdagi filtrlashni qo'llaydi.
Xulosa
Tavsiya tizimlarining ijobiy va salbiy tomonlari quyidagilar:
Biznes uchun tavsiya tizimlari foydalanuvchilarga o'zlari qiziqtirgan narsalarni aniq ko'rsatish orqali aniq foyda keltiradi, bu esa tovarlar va xizmatlar savdosining o'sishiga va daromadning oshishiga olib keladi. Onlayn do'konlarda tavsiyalar o'rtacha chekni ko'tarish va sotish uchun, ommaviy axborot vositalari va onlayn kinoteatrlarda esa jalb qilish uchun ishlaydi, chunki tashrif buyuruvchi boshqa ko'rish yoki o'qish uchun qidirishi shart emas, shu bilan birga u saytda uzoqroq turadi.
Tashrif buyuruvchilar uchun foyda saytdan foydalanishning yanada qulay sharoitlari, mahsulot yoki tarkibni tanlashda yordam berishdir. Sifatli tavsiyalar bilan foydalanuvchi qidirayotgan narsasini topish uchun ko'p vaqt sarflashi shart emas.
Tavsiya tizimlarining kamchiliklari orasida foydalanuvchilarning kitoblar, filmlar va musiqalarni tanlashda ko'rsatmalarga ko'nikishi kiradi, shuning uchun ba'zi iste'molchilar yangi g'ayrioddiy janrlarni o'rganish uchun rag'batni yo'qotishi mumkin, chunki ularga taklif qilingan hamma narsa ularga mos keladi. Shuningdek, muqobil ma'lumotlarning etishmasligi tufayli ijtimoiy tarmoqlardagi aqlli yangiliklar tasmasi foydalanuvchilarning dunyoqarashini shakllantirishga ta'sir qilishi, ularning qarashlariga ta'sir qilishi mumkin. Tavsiya tizimi algoritmga tayanib, o'z xohish-istaklari haqida o'ylashni to'xtatadi.
Tavsiya tizimlari mahsulotlarning katta tanloviga ega bo'lgan har qanday biznes uchun, shuningdek, foydalanuvchilarning ushbu mahsulotlar bilan o'zaro munosabatlari tarixi uchun foydalidir. Agar do'konga hali buyurtma tarixi bo'lmagan yangi mijoz kelsa, algoritm unga nimani ko'rsatishni bilmaydi. Bunday muammo tarixni to'plash orqali hal qilinadi, masalan, agar do'konga yangi to'plam kelgan bo'lsa, unda hech kim tovarlar bilan o'zaro aloqada bo'lmagan bo'lsa, siz ushbu mahsulotlar bilan vidjet yaratishingiz mumkin, shunda foydalanuvchilar ular bilan o'zaro aloqada bo'lishni boshlaydilar, tavsiyalar tizimi tarixni oladi va eng mashhur mahsulotlarni ajratib ko'rsatish imkoniyatiga ega bo'ladi.
|
| |
