Systemy rekomendacji: najczęściej zadawane pytania
Źródło: Kavanaughf999, CC0, Wikimedia Commons
Poniżej zebrano odpowiedzi na pytania dotyczące podstawowych zasad działania systemów rekomendacji, poruszane w innych materiałach tego serwisu.
Czym różni się rekomendacja od zwykłego wyszukiwania?
Wyszukiwanie odpowiada na jawnie sformułowane zapytanie użytkownika (np. wpisaną frazę), natomiast rekomendacja proponuje produkty lub treści bez takiego zapytania — na podstawie wcześniejszych zachowań, profilu użytkownika lub ogólnych wzorców popularności.
Czy system rekomendacji może działać bez danych o użytkowniku?
Tak, w ograniczonym zakresie. Może wówczas opierać się na ogólnych listach popularności lub na cechach samego produktu (content-based filtering), jednak jakość takich rekomendacji jest zwykle niższa niż w przypadku rekomendacji w pełni spersonalizowanych. Więcej na ten temat w artykule Problem zimnego startu w systemach rekomendacji.
Jak często aktualizowane są modele rekomendacji?
Częstotliwość aktualizacji zależy od architektury systemu i skali danych. Niektóre elementy, np. etap rankingu opisany w artykule Architektura dwuetapowa, mogą być douczane częściej, natomiast inne elementy przeliczane są okresowo, np. raz dziennie lub raz w tygodniu.
Czy filtracja kolaboratywna i content-based filtering wykluczają się wzajemnie?
Nie, obie metody mogą być stosowane łącznie w ramach jednej architektury hybrydowej. Porównanie obu podejść znajduje się w artykule Content-based filtering a filtracja kolaboratywna.
Jak ocenia się skuteczność systemu rekomendacji?
Do oceny skuteczności stosuje się metryki takie jak precision, recall czy NDCG, opisane w artykule Metryki oceny jakości rekomendacji, zwykle w połączeniu z testami A/B przeprowadzanymi na rzeczywistym ruchu użytkowników.
Czy każdy sklep internetowy potrzebuje zaawansowanego systemu rekomendacji?
Nie, zakres i złożoność systemu rekomendacji zależą od skali katalogu produktowego i liczby interakcji użytkowników. Mniejsze serwisy mogą efektywnie korzystać z prostszych metod, np. list popularności lub podstawowej filtracji kolaboratywnej.