Существует три основных типа рекомендательных систем.
1. Системы, основанные на свойствах контента
Предлагают, например, фильм того же жанра, что вы недавно посмотрели.
2. Коллаборативные системы
Рекомендуют контент, похожий на тот, который выбирали пользователи с похожими интересами. Например, вы начали пользоваться онлайн-кинотеатром, и вам понравились фильмы «Остров проклятых», «Интерстеллар» и «Изгой». Есть еще несколько пользователей, которым понравились те же фильмы. На основе таких совпадений система делает вывод, что ваши предпочтения совпадают. И если следующим те пользователи посмотрят фильм «Начало», то, скорее всего, его порекомендуют и вам.
3. Гибридные системы
Представляют собой ансамбль из множества рекомендательных систем, результат работы которых объединяется по определенным правилам. Правила могут зависеть от бизнес-логики сервиса или от характеристик пользователя. Например, система рекомендует фильмы жанра «хоррор» на основе свойств контента, а на главной странице отдает предпочтение фильмам, которые смотрят люди с похожими интересами.
Не верь всему, что говорят: как рекомендательные сервисы отбирают контент
Чтобы сделать персональные рекомендации, система должна понимать интересы пользователей. Для этого она анализирует два вида отзывов:
- явные — сюда относятся оценки или лайки и дизлайки;
- неявные — это клики, просмотры, покупки, то есть действия, которые пользователь совершает при взаимодействии с контентом. Например, фильм, который пользователь смотрел несколько раз, скорее всего, нравится ему больше, чем тот, который он досмотрел лишь до половины.
Явный отзыв кажется более качественным и достоверным сигналом о предпочтениях пользователя, но это не всегда так. И вот почему.
