Guruh talabasi Qobilova Umida Xayriddin qizi

13.3.5. Ma'lumotlarni qidirish va tavsiya qilish tizimlari
Bugungi kunda iste'molchilar onlayn xarid qilishda millionlab tovarlar va xizmatlarga duch kelishadi. Tavsiya qilish tizimlari iste'molchilarga kitoblar, kompakt disklar, filmlar, restoranlar, onlayn yangiliklar maqolalari va boshqa xizmatlar kabi foydalanuvchi uchun qiziqarli bo'lgan mahsulot tavsiyalarini berish orqali yordam beradi. Tavsiya qiluvchi tizimlar kontentga asoslangan yondashuv, hamkorlikdagi yondashuv yoki tarkibga asoslangan va hamkorlik usullarini birlashtirgan gibrid yondashuvdan foydalanishi mumkin.
Kontentga asoslangan yondashuv o'tmishda foydalanuvchi afzal ko'rgan yoki so'ragan narsalarga o'xshash narsalarni tavsiya qiladi. Bu mahsulot xususiyatlari va matnli element tavsiflariga tayanadi. Hamkorlik yondashuvi (yoki birgalikda filtrlash usuli) foydalanuvchining ijtimoiy muhitini hisobga olishi mumkin. U foydalanuvchiga o'xshash did yoki afzalliklarga ega bo'lgan boshqa mijozlarning fikriga asoslangan narsalarni tavsiya qiladi. Tavsiya qiluvchi tizimlar ob'ektlar va mijozlarning xohish-istaklari o'rtasidagi o'xshashliklarni izlash uchun ma'lumot olish, statistika, mashinani o'rganish va ma'lumotlarni intellektual tahlil qilish kabi keng ko'lamli usullardan foydalanadi. 13.1-misolni ko'rib chiqing.
Tavsiya qiluvchi tizimdan foydalanish stsenariylari
Faraz qilaylik, siz onlayn kitob do'konining (masalan, Amazon) veb-saytiga o'zingiz o'qishni xohlagan kitobni sotib olish niyatida tashrif buyurdingiz. Siz kitob nomini yozasiz. Bu veb-saytga birinchi marta tashrif buyurayotganingiz emas. Siz uni o'tgan Rojdestvoda oldin ko'rib chiqqansiz va hatto undan xarid qilgansiz. Veb-do'kon sizning oldingi tashriflaringizni eslab qoladi, klik oqimi ma'lumotlarini va o'tgan xaridlaringiz haqidagi ma'lumotlarni saqlaydi. Tizim siz ko'rsatgan kitobning tavsifi va narxini ko'rsatadi. U sizning qiziqishlaringizni o'xshash qiziqishlarga ega bo'lgan boshqa mijozlar bilan taqqoslaydi va "Siz ko'rsatgan kitobni sotib olgan mijozlar boshqa nomlarni ham sotib olgan" deb qo'shimcha kitob nomlarini tavsiya qiladi. Ro'yxatni o'rganib chiqib, siz qiziqish uyg'otadigan boshqa sarlavhani ko'rasiz va uni ham sotib olishga qaror qilasiz.
Endi siz raqamli kamera sotib olish niyatida boshqa onlayn-do'konga borasiz deylik. Tizim avvaldan qazib olingan ketma-ket naqshlar asosida ko'rib chiqilishi kerak bo'lgan qo'shimcha narsalarni taklif qiladi, masalan, "Bunday raqamli kamerani sotib olgan mijozlar uch oy ichida ma'lum bir rusumdagi printer, xotira kartasi yoki fotosuratlarni tahrirlash dasturini sotib olishlari mumkin". Siz qo'shimcha narsalarsiz faqat kamerani sotib olishga qaror qilasiz. Bir hafta o'tgach, siz do'kondan qo'shimcha narsalar bo'yicha kupon olasiz.
Tavsiya qiluvchi tizimlarning afzalligi shundaki, ular elektron tijorat mijozlari uchun shaxsiylashtirishni ta'minlaydi, yakkama-yakka marketingni targ'ib qiladi. Amazon, hamkorlikdagi tavsiya tizimlaridan foydalanishda kashshof bo'lib, marketing strategiyasining bir qismi sifatida "har bir mijoz uchun moslashtirilgan do'kon" ni taklif qiladi. Shaxsiylashtirish iste'molchilarga ham, tegishli kompaniyaga ham foyda keltirishi mumkin. O'z mijozlarining aniqroq modellariga ega bo'lish orqali kompaniyalar mijozlar ehtiyojlarini yaxshiroq tushunishadi. Ushbu ehtiyojlarni qondirish tegishli mahsulotlarni o'zaro sotish, sotish, mahsulotga yaqinlik, birma-bir reklama aktsiyalari, kattaroq savat va mijozlarni ushlab turish bo'yicha katta muvaffaqiyatlarga olib kelishi mumkin.
Tavsiya muammosi foydalanuvchilarning C to'plamini va elementlarning S to'plamini ko'rib chiqadi. U elementning foydalanuvchi uchun foydaliligini o'lchaydigan yordamchi funksiya bo'lsin, c. Yordamchi dastur odatda reyting bilan ifodalanadi va dastlab faqat foydalanuvchilar tomonidan ilgari baholangan elementlar uchun aniqlanadi. Misol uchun, filmni tavsiya qilish tizimiga qo'shilishda foydalanuvchilardan odatda bir nechta filmlarni baholash so'raladi. Barcha mumkin bo'lgan foydalanuvchilar va elementlarning C × S maydoni juda katta. Tavsiya tizimi ob'ektlar va foydalanuvchi kombinatsiyalarini bashorat qilish uchun ma'lumdan noma'lum reytingga ekstrapolyatsiya qilish imkoniyatiga ega bo'lishi kerak. Foydalanuvchi uchun eng yuqori bashorat qilingan reyting/foydali dasturga ega bo'lgan elementlar ushbu foydalanuvchiga tavsiya etiladi.