ЛаЛаЛань

Коллаборативная фильтрация простыми словами

Библиотекам
За последнее десятилетие на интернет-платформах стали широко применяться усовершенствованные алгоритмы для отслеживания заинтересованности пользователей на ресурсе и составления списка товаров в рекомендательном разделе. Новые методы отслеживания и рекомендаций других товаров оказались полезны как для владельцев ресурсов, так и для самих пользователей.

В этой статье мы простыми словами расскажем о том, что же такое коллаборативная фильтрация, о принципе ее действия и приведем примеры применения этого метода.
Коллаборативная фильтрация — это технология, которая позволяет прогнозировать предпочтения конкретного пользователя интернет-ресурса, сравнивая его интересы с интересами других посетителей ресурса. На основании этой информации в рекомендательном разделе предлагаются те товары, которыми интересовалась аудитория сайта, а конкретный пользователь — еще нет.
Этот метод обработки интересов пользователей далеко не новый. Он широко применяется на таких крупных сервисах, как Amazon, Netflix, или в крупных социальных сетях. Благодаря умным алгоритмам компании и организации значительно лучше понимают потребности своих клиентов, а клиенты приобретают наиболее релевантные товары.

Принцип действия коллаборативной фильтрации довольно простой: если пользователь совершал покупки или же просто переходил на страницу товара, то система находит других пользователей с похожими запросами. После этого система рекомендует пользователю те продукты, которыми интересовались другие клиенты, а пользователь — еще нет. По-другому такой алгоритм называется User-Based (дословно переводится с английского как «на основе пользователя»).

Применение коллаборативной фильтрации условно можно разделить на два подхода:

  • User-Based (дословно с английского «на основе пользователя») — применяется к пользователям со схожими интересами;
  • Item-based («на основании товара») — применяется к похожим товарам.

Как правило, пользователи оставляют в системе оценки объектов которые могут быть как явные (например, оценка по 5-балльной шкале, «лайк» или повышение статуса), так и неявные (например, количество просмотров одной карточки). И в том и в другом случае алгоритм сравнивает действия конкретного пользователя с действиями аудитории сайта.

Где применяется метод коллаборативной фильтрации

YouTube применяет подборку рекомендованных видео, составленную на основании просмотренных видео, сервис рекомендует к просмотру похожий контент. Также сервис предлагает познакомиться с материалами или источниками других пользователей, интересы которых максимально совпадают с активным пользователем.

Яндекс.Музыка работает по такому же принципу. Сервис собирает информацию о музыке прослушанной или отмеченной положительной оценкой и на основании этих данных составляет плейлисты.

ВКонтакте и Facebook используют коллаборативную фильтрацию для работы с «умной» новостной лентой, где список постов формируется не в хронологическом порядке их публикации, а в зависимости от степени заинтересованности пользователя.

Таким же образом в ЭБС «Лань» для отображения нового блока рекомендаций используется коллаборативная фильтрация. Сайт анализирует статистику чтения книг конкретного пользователя и сравнивает его интересы с интересами других читателей. Затем из полученной информации делает прогноз, какие книги могут заинтересовать конкретного читателя, и добавляет их в подборку. В настоящий момент разработчики оптимизируют работу нового раздела для приемлемого соотношения качества и количества.

Заключение

Конечно, коллаборативная фильтрация — это не идеальное решение для построения рекомендаций пользователя. Однако этот метод продемонстрировал совершенно особый подход к подбору рекомендованных товаров.

Прежние алгоритмы рекомендаций учитывали исключительно интересы конкретного пользователя, таким образом замыкая его в кругу собственных предпочтений, изолируя от нового, незнакомого контента. Теперь же пользователь имеет возможность ознакомиться с полным спектром товаров ресурса и выбрать для себя что-то действительно интересное и полезное.
Понравился ли Вам материал?