Рекомендаційна система

Рекомендаційна система — підклас системи фільтрації інформації, яка будує рейтинговий перелік об'єктів (фільми, музика, книги, новини, вебсайти), яким користувач може надати перевагу. Для цього використовується інформація з профілю користувача.

Існують дві основні стратегії створення рекомендаційних систем: фільтрація вмісту і колаборативна фільтрація.

При колаборативної фільтрації створюються профілі користувачів і об'єктів. 

• Профілі користувачів можуть містити демографічну інформацію або відповіді на певний набір питань. 

• Профілі об'єктів можуть містити назви жанрів, імена акторів, імена виконавців, тощо. Або якусь іншу інформацію в залежності від типу об'єкта. 

Цей підхід застосований у проекті Music Genome Project^[en]: музичний аналітик оцінює кожну композицію за сотнями різних музичних характеристик, які можна використати для виявлення музичних уподобань користувача. 

При фільтрації вмісту використовується інформація про поведінку користувачів у минулому — наприклад, інформація про придбання або оцінки. В цьому разі не має значення, з якими типами об'єктів ведеться робота, але при цьому можна брати до уваги неявні характеристики, які складно було б врахувати при створенні профілю. Основна проблема цього типу рекомендаційних систем — «холодний старт»: відсутність даних про користувачів чи об'єкти, які нещодавно з'явились у системі. 

У процесі роботи рекомендаційні системи збирають дані про користувачів, використовуючи поєднання явних і неявних методів.

• користувач оцінює запропонований об'єкт за диференційованою шкалою;
• користувач ранжує групу об'єктів від найкращого до найгіршого;
• користувач вибирає кращий з двох запропонованих об'єктів;
• користувачу пропонують створити список його улюблених об'єктів.

• спостереження за тим, що користувач оглядає в інтернет-магазинах або базах даних іншого типу;
• ведення записів про поведінку користувача онлайн;
• відстеження вмісту комп'ютера користувача;

Рекомендаційні системи порівнюють однотипні дані від різних людей і розраховують список рекомендацій для конкретного користувача. Деякі приклади їх комерційного та некомерційного використання наведені в статті про колаборативну фільтрацію. Для розрахунку рекомендацій використовується граф інтересів^[2]. Рекомендаційні системи — зручна альтернатива пошуковим алгоритмам, оскільки дозволяють виявити об'єкти, які не можуть бути знайдені останніми. Цікаво, що рекомендаційні системи часто використовують пошукові машини для індексації незвичайних даних.

• Імхонет (фільми, література, фото)
• Last.fm (музика)
• Grooveshark^[en] (музика)
• Ozon.ru (книги, диски і тд.)
• Software Informer (програмне забезпечення)
• IMDb — фільми
• Surfingbird^[ru] — російський сервіс пошукових рекомендацій

• Бульбашка фільтрів

• Як працюють рекомендаційні системи, алгоритми Netflix и Amazon [Архівовано 4 листопада 2014 у Wayback Machine.]
• Рекоменд. літ-ра (рос.)

• Melville P.,Mooney R., Nagarajan R. Content-Boosted Collaborative Filtering for Improved Recommendations : [англ.] // University of Texas, USA : Материалы конф. / AAAI-02, Austin, TX, USA, 2002. — 2002. — С. 187-192.
• Жернакова О. Системи рекомендацій і пошуку відеоконтенту [Архівовано 4 листопада 2014 у Wayback Machine.] // Телемультимедіа, 2012. (рос.)
• Nadim Hossain. Why the Interest Graph Is a Marketer’s Best Friend (англ.). Mashable. Архів оригіналу за 29 жовтня 2020. Процитовано 7.12.2013.