Sharof rashidov nomidagi samarqand davlat universiteti amaliy matematika yo

2.2 Ko’ptarmoqli algoritim evolutsiyasi
Tarkibga asoslangan filtrlash bilan bog'liq asosiy muammo, tizim foydalanuvchilarning bitta tarkib manbaiga nisbatan harakatlaridan foydalanuvchi afzalliklarini o'rganishi va ularni boshqa tarkib turlari bo'yicha ishlatishi mumkin. Tizim foydalanuvchi allaqachon foydalanadigan bir xil turdagi tarkibni tavsiya etish bilan cheklangan bo'lsa, tavsiya tizimidagi qiymat boshqa xizmatlarning boshqa tarkib turlari tavsiya etilishi mumkin bo'lgan vaqtdan sezilarli darajada past bo'ladi. Masalan, yangiliklarni ko'rib chiqish asosida yangiliklar maqolalarini tavsiya etish foydalidir, ammo turli xil xizmatlardan musiqa, videofilmlar, mahsulotlar, munozaralar va boshqalarni ko'rib chiqish asosida tavsiya etish mumkin bo'lganda juda foydali bo'ladi. Buni bartaraf etish uchun aksariyat tarkibga asoslangan tavsiya etuvchi tizimlar hozirda biron bir gibrid tizimdan foydalanadilar.
Tarkibga asoslangan tavsiya etuvchi tizimlar fikrga asoslangan tavsiya qiluvchi tizimlarni ham o'z ichiga olishi mumkin. Ba'zi hollarda, foydalanuvchilar matnni ko'rib chiqishni yoki ma'lumotlar bo'yicha fikr-mulohazalarini qoldirishlari mumkin. Ushbu foydalanuvchi tomonidan yaratilgan matnlar tavsiya etuvchi tizim uchun yopiq ma'lumotlardir, chunki ular elementning ikkala xususiyati / jihatlari va foydalanuvchilarning ushbu elementga bo'lgan munosabati / hissiyotlari uchun boy manbadir. Foydalanuvchi tomonidan yaratilgan sharhlardan chiqarilgan xususiyatlar yaxshilanadi meta-ma'lumotlar buyumlar, chunki ular shuningdek buyumning o'xshash tomonlarini aks ettiradi meta-ma'lumotlar, chiqarilgan xususiyatlar foydalanuvchilar tomonidan keng tashvishlanmoqda. Sharhlardan olingan fikrlarni foydalanuvchilarning tegishli xususiyatlar bo'yicha reytingi ballari sifatida ko'rish mumkin. Fikrga asoslangan tavsiyalar tizimining ommabop yondashuvlari turli usullardan foydalanadi, shu jumladan matn qazib olish, ma'lumot olish, hissiyotlarni tahlil qilish (Shuningdek qarang Multimodal kayfiyatni tahlil qilish ) va chuqur o'rganish ^[47].
Ko'p mezonli tavsiya etuvchi tizimlar
Ko'p mezonli tavsiyanomalar tizimlari (MCRS) bir nechta mezonlarga ko'ra imtiyozli ma'lumotlarni o'z ichiga olgan tavsiya etuvchi tizimlar sifatida aniqlanishi mumkin. Bitta mezon qiymatiga asoslangan foydalanuvchi u elementining i elementiga bo'lgan umumiy afzalligi asosida tavsiyalar texnikasini ishlab chiqish o'rniga, ushbu tizimlar ushbu umumiy afzallik qiymatiga ta'sir qiladigan bir nechta mezon bo'yicha imtiyozli ma'lumotlardan foydalanib, u ning o'rganilmagan elementlari uchun reytingni taxmin qilishga harakat qiladi. Bir nechta tadqiqotchilar MCRSga ko'p mezonli qaror qabul qilish (MCDM) muammosi sifatida murojaat qilishadi va MCRS tizimlarini amalga oshirish uchun MCDM usullari va usullarini qo'llashadi.^[48] Ushbu bobga qarang^[49] kengaytirilgan kirish uchun.
Tavakkalchilardan xabardor bo'lgan tizimlar
Tavsiya etuvchi tizimlarga nisbatan mavjud bo'lgan yondashuvlarning aksariyati kontekstual ma'lumotlardan foydalangan holda foydalanuvchilarga eng mos tarkibni tavsiya etishga qaratilgan, ammo foydalanuvchini keraksiz bildirishnomalar bilan bezovta qilish xavfini hisobga olmaydi. Ba'zi holatlarda, masalan, professional uchrashuv paytida, erta tongda yoki kechqurun kechqurun tavsiyalar berib, foydalanuvchini xafa qilish xavfini hisobga olish kerak. Shuning uchun tavsiya etuvchi tizimning ishlashi qisman tavakkalchilikni tavsiyanoma jarayoniga qo'shganligiga bog'liq. Ushbu muammoni boshqarish uchun variantlardan biri DARSLAR, kontekstdan xabardor bo'lgan tavsiyalarni qaroqchi muammosi. Ushbu tizim tarkibga asoslangan texnika va kontekstli bandit algoritmini birlashtiradi.^[50]
Mobil tavsiya etuvchi tizimlar
Qo'shimcha ma'lumotlar: Joylashuvga asoslangan tavsiyalar
Mobil tavsiyanomalar tizimlari Internetga kirishdan foydalanadi aqlli telefonlar shaxsiylashtirilgan, kontekstga mos tavsiyalarni taqdim etish. Bu tadqiqotning juda qiyin sohasi, chunki mobil ma'lumotlar tavsiya etuvchi tizimlar tez-tez duch keladigan ma'lumotlarga qaraganda ancha murakkab. U heterojen, shovqinli, fazoviy va vaqtinchalik avtomatik korrelyatsiyani talab qiladi va tasdiqlash va umumiylik muammolariga ega.^[51]
Mobil tavsiyalar tizimiga va bashorat natijalarining aniqligiga ta'sir qilishi mumkin bo'lgan uchta omil mavjud: kontekst, tavsiya qilish usuli va shaxsiy hayot.^[52] Bundan tashqari, ko'chma transplantatsiya tizimlari transplantatsiya muammosidan aziyat chekmoqda - tavsiyalar barcha mintaqalarda qo'llanilmasligi mumkin (masalan, barcha tarkibiy qismlar mavjud bo'lmasligi mumkin bo'lgan joyda retseptni tavsiya qilish oqilona bo'lmaydi).
Kabi kompaniyalar tomonidan olib boriladigan yondashuvlar mobil tavsiyanomalar tizimining misollaridan biridir Uber va Lyft shaharda taksi haydovchilari uchun haydash yo'nalishlarini yaratish.^[51] Ushbu tizim taksi haydovchilari ish paytida olib boradigan marshrutlarning GPS ma'lumotlaridan foydalanadi, ularga joy (kenglik va uzunlik), vaqt shtamplari va ish holati (yo'lovchilar bilan yoki yo'lovchilarsiz) kiradi. Ushbu ma'lumotlar marshrut bo'ylab qabul qilish punktlari ro'yxatini tavsiya qilish uchun foydalanadi, maqsad esa odamlarning yashash vaqtlari va daromadlarini optimallashtirishdir.
Shuningdek, "Web of Data" yordamida tizimli ma'lumot manbai sifatida mobil tavsiyanomalar muvaffaqiyatli yaratildi. Bunday tizimning yaxshi namunasi - SMARTMUSEUM^[53] Tizim semantik modellashtirish, ma'lumot olish va mashinani o'rganish usullaridan foydalanuvchining kam yoki kam foydalanuvchi ma'lumotlari bilan taqdim etilgan taqdirda ham foydalanuvchi qiziqishlariga mos keladigan tarkibni tavsiya qilish uchun foydalanadi.
Gibrid tavsiya etuvchi tizimlar
Tavsiya etuvchi tizimlarning aksariyati hozirda birlashtirib, gibrid yondashuvdan foydalanadilar birgalikda filtrlash, tarkibga asoslangan filtrlash va boshqa yondashuvlar. Xuddi shu turdagi bir nechta turli xil texnikalarni duragaylashning sababi yo'q. Gibrid yondashuvlarni bir necha usullar bilan amalga oshirish mumkin: tarkibga asoslangan va hamkorlikka asoslangan bashoratlarni alohida-alohida tuzib, keyin ularni birlashtirish orqali; hamkorlik asosidagi yondashuvga tarkibli imkoniyatlarni qo'shish orqali (va aksincha); yoki yondashuvlarni bitta modelga birlashtirish orqali (qarang^[24] tavsiya etuvchi tizimlarni to'liq ko'rib chiqish uchun). Gibridning ishlashini sof kooperativ va tarkibga asoslangan usullar bilan empirik ravishda taqqoslagan bir nechta tadqiqotlar va gibrid usullarning sof yondashuvlarga qaraganda aniqroq tavsiyalar berishi mumkinligini ko'rsatdi. Ushbu usullardan tavsiya etuvchilar tizimidagi ba'zi tez-tez uchraydigan muammolarni, masalan sovuq boshlash va siyraklik muammosini, shuningdek, bilim muhandislikidagi to'siqni engish uchun ham foydalanish mumkin. bilimga asoslangan yondashuvlar.^[54]
Netflix gibrid tavsiya etuvchi tizimlardan foydalanishning yaxshi namunasidir.^[55] Veb-sayt o'xshash foydalanuvchilarning tomosha qilish va qidirish odatlarini taqqoslash (ya'ni birgalikda filtrlash) hamda foydalanuvchi yuqori baholagan (kontentga asoslangan filtrlash) xususiyatlariga ega filmlarni taklif qilish orqali tavsiyalar beradi.