3 Rôzne spôsoby riadenia systému
3.5 Riadene systému pomocou odporúčacieho systému

V úvode bolo spomenuté, že odporúčací systém môže predvídať preferencie používateľov a ušetriť tak čas. Systém to môže robiť na základe toho, čo sa predtým najviac používateľom páčilo, čo sa páčilo podobnej skupine používateľov (používatelia sú rozdelení do viacerých segmentov na základe ich preferencií) alebo kombináciou oboch možností. Zhromažďovaním všetkých týchto údajov môžeme mať informácie, ktoré sú relevantné pre zvolený záujem.

Odporúčací systém sa stáva presnejším, ak sa zvyšuje počet položiek hodnotených používateľmi. Tiež čím presnejší je systém, tým viac používateľov bude mať záujem ho používať. Z toho vyplýva, že vytvorenie správneho a efektívneho systému je rozhodujúcou úlohou.

Odporúčací systém je spôsob alebo metóda, ktorá predpovedá hodnotenie položky používateľom a tým môže vybrať pre používateľa najlepšiu možnosť.

Existujú dva hlavné prístupy: filtrovanie v spolupráci (collaborative filtering CF) a obsahové filtrovanie (content-based CB). Filtrovanie v spolupráci je odporúčanie založené na hodnotení od používateľov podobných ako daný používateľ. Obsahové filtrovanie je odporúčanie založené na popisoch položiek, ktoré používateľ predtým ohodnotil.

Obe metódy majú svoje plusy a mínusy.

CF metóda má problém s tzv. studeným štartom. Ten narastá keď sa uvedie nová položka, ktorú žiadny používateľ predtým neodporúčal alebo nehodnotil, takže ani systém túto položku neodporučí. Rovnako aj keď je nový používateľ, ktorý nehodnotil žiadnu položku, systém ho nevie porovnať so žiadnou inou skupinou používateľov. Tiež nájsť skupinu používateľov, ktorí majú podobné záujmy a hodnotenia, nie je vždy ľahká úloha. Je to preto, lebo pravdepodobnosť, že niekoľko používateľov má rovnaké hodnotenie položiek, je nízka. CB má chyby v novinkách a potrebuje uložiť popis obsahu pre každú položku.

Odporúčania určené metódou CF sú však úspešné. Pri CB sa problém so studeným štartom vyrieši tým, že nový používateľ vyplní krátky dotazník.

Vyvinulo sa nemalé úsilie na kombináciu oboch prístupov niekoľkými spôsobmi, aby sa minimalizovali nevýhody. Tieto techniky zahŕňajú prepínanie medzi týmito dvoma prístupmi, váženie výstupu oboch schém, ich použitie v kaskáde atď.

Bayesovské siete (Bayesian networks) sa stávajú veľmi užitočné pri hľadaní riešenia ako modelovať odporúčací systém. Bayesovská sieť je riadený acyklický graf, kde uzly predstavujú súbor náhodných premenných a oblúky (spoje) zobrazujú priame závislosti medzi premennými. Sila vzťahu medzi nimi je kvantifikovaná podmienenou distribúciou pravdepodobnosti spojenou s každým uzlom.

image
Príklad Bayesovskej siete (Bayesian network)