Jak działają systemy poleceń?

Pewnie nawet nie wiesz jak systemy rekomendacjiAle na pewno spotkałeś się z kilkoma. Wiesz, kiedy spersonalizowana reklama jest tak specyficzna, że Podejrzewasz, że Twoja rutyna jest obserwowana? A może przypadkowa kolejność utworów w Spotify wydaje się stworzona tylko po to, by być ścieżką dźwiękową Twojego życia w danym momencie? Zgadza się, parafrazując jedno z najbardziej klasycznych haseł brazylijskiej telewizji: To nie czary, to technologia!

Ale jak to wszystko jest możliwe? Czy firmy naprawdę szpiegują Twoje działania? Cóż, szpiegowanie nie jest właściwym słowem. Ale istnieje nadzór i cały rynek zbudowany wokół niego. Poniżej dowiesz się, jak działają główne mechanizmy rekomendacji i dlaczego są tak ważne.

Wskaźnik

Systemy rekomendujące i ich mechanizmy

Zasadniczo istnieją trzy rodzaje mechanizmów wykorzystywanych do oferowania treści online: filtrowanie zespołowe, filtrowanie na podstawie treści и system hybrydowyktóry łączy w sobie dwa powyższe. Przejdźmy do charakterystyki każdego z nich:

filtrowanie zespołowe

W tego typu mechanizmie algorytmy wykorzystują uczenie maszynowe do przewidywania twoich upodobań na podstawie użytkowników, których zachowanie jest podobne do twojego.

Na przykład: Jeśli Felipe często słucha zespołów. Pętla, Linkin Park e przynieś mi horyzont w usłudze przesyłania strumieniowego, która wykorzystuje filtrowanie oparte na współpracy, a Ana, która jest również użytkownikiem platformy, słucha Pętla, Linkin Park e Kornserwis może polecić przynieś mi horyzont Dla Any.

W bardziej złożonych systemach, takich jak rekomendacje filmów i książek, oprócz ogólnej interakcji, należy wziąć pod uwagę więcej rzeczy: może to być między innymi ocena, jaką użytkownik przyznaje treści lub średni czas konsumpcji.

Filtrowanie na podstawie treści

W przypadku filtrowania na podstawie treści system opiera się na atrybucji treści, niekoniecznie polegając na interakcji z innym użytkownikiem. W tym przypadku wskazania opierają się na atrybutach polecanych artykułów, a mechanizm tworzy rodzaj ogólnego profilu użytkownika, który powinien zainteresować się podobną tematyką.

Na przykład: Na bardziej powierzchownym poziomie, jeśli Claudia śledzi w mediach społecznościowych strony związane z Chirurgami, platforma może polecić jej grupy na ten sam temat. Lub, aby pójść dalej, podczas oglądania Chirurdzy w usłudze przesyłania strumieniowego, platforma może polecić Dobry lekarz. o W domu, które są również seriami medycznymi.

filtracja hybrydowa

Jak sama nazwa wskazuje, filtrowanie hybrydowe wykorzystuje zarówno algorytmy oparte na interakcji użytkownika, jak i te, które oceniają tylko treść, w celu Bardziej niezawodny system rekomendacji.

Ma to tę zaletę, że możesz „wyjść poza schemat”, wskazując na większą różnorodność produktów, ale zachowując trafność i dokładność rekomendacji.

Tak jest w przypadku Netflix, który wykorzystuje dane swojej ogromnej bazy użytkowników do zebrania próbki za pomocą algorytmów filtrowania opartego na współpracy, ale także wykorzystuje „etykiety” przypisane do zawartości swojego katalogu, aby uczynić system jeszcze bardziej atrakcyjnym.

O OneHowTo.com więcej o rekomendacjach Netflix w tym specjalnym artykule.

Dlaczego systemy rekomendujące są ważne?

Powinieneś już wiedzieć, że Internet to ziemia niczyja i że prawie wszystko, co w nim robisz, jest w taki czy inny sposób dokumentowane. Oznacza to, że zostawiasz ślad, gdy słuchasz nowego singla w swoim ulubionym serwisie streamingowym, kiedy idziesz do sklepu po trenera na siłownię lub oglądasz trzy filmy z rzędu od tego samego twórcy treści w serwisie społecznościowym sieć.

Może się to wydawać głupie, ale te Dane dotyczące przeglądania i interakcji są wiele warte. Zasadniczo jest to waluta, która sprawia, że ​​systemy rekomendacji działają. Te informacje zasilają mechanizm, który uczy się o tobie więcej i przy pomocy sztucznej inteligencji jest w stanie przewidzieć, czego prawdopodobnie będziesz chciał następnym razem.

Firmy potrzebują tych danych ze względu na koncepcję tzw „ekonomia uwagi”.. Jest to ściśle związane z rozwojem technologii i poczuciem, że czas z każdym dniem płynie szybciej. W połączonym świecie branże, które kiedyś wydawały się odizolowane, konkurują o mały wycinek dnia.

W praktyce można by pomyśleć, że nawet jeśli pochodzą z różnych branż, Netflix konkuruje z Duolingo, ponieważ podczas gdy stawiasz kulki w rundzie 6, lekcje hiszpańskiego piętrzą się na platformie językowej zainstalowanej w telefonie komórkowym . W tym scenariuszu im wydajniejszy jest system rekomendacji Netflix, tym mniejsza szansa, że ​​jakakolwiek inna aplikacja będzie musiała przyciągnąć Twoją uwagę.

„Gdyby pieniądze mogły niezawodnie zwrócić twoją uwagę, musiałyby zapłacić tylko wymaganą kwotę, a ty nadal słuchałbyś wszystkiego z uwagą, nie zasypiając ani nie pozwalając myślom wędrować. W rzeczywistości, nawet jeśli masz dużą kwotę, byłoby to bardzo trudne. Ktoś, kto chce twojej uwagi, nie może polegać na płaceniu pieniędzy, aby ją zdobyć, musi zrobić więcej, musi być interesujący.

Goldhaber, MH (1997). . Pierwszy poniedziałek., 2 (4).

Algorytm milionów: historia sukcesu TikTok

Dziś nie sposób mówić o algorytmie rekomendacji i nie myśleć o TikToku. Fenomen mediów społecznościowych chińskiej firmy ByteDance jest zasadniczo platformą stworzoną dla uzależnionych, a wynik zdołał wywołać strach nawet w imperium aplikacji Facebooka.

Podobnie jak inne wspaniałe technologie, TikTok wykorzystuje sztuczną inteligencję do oferowania swoich treści innym użytkownikom. Jego osobliwością jest to, że rekomendacja ciągle pokazuje coś nowego w absurdalnym tempie (w zakładce „Dla Ciebie”), ale bez utraty aktualności.

Aby to zrobić, TikTok wykorzystuje dane związane z twoimi interakcjami, hashtagi, nagrania audio, lokalizację i podpis każdego filmu.

Algorytm rekomendacji TikTok działał tak dobrze, że został przekształcony w produkt i może być teraz sprzedawany innym firmom za pośrednictwem działu o nazwie BytePlus.

Systemy rekomendacji i prywatność

Jak powiedziałem na początku tego artykułu, systemy poleceń mogą sprawić, że poczujesz się obserwowany. To odczucie jest częściowo uzasadnione. Kwestia prywatności jest jednym z głównych problemów związanych z tym tematem i przyprawia użytkowników i firmy o ból głowy.

Nic dziwnego, że Apple wywołało kontrowersje, wprowadzając funkcję ograniczającą śledzenie przez aplikacje na swoich urządzeniach. Przejrzystość śledzenia aplikacji (ATT) została ostro skrytykowana przez Facebooka i inne firmy, których działalność opiera się na reklamie.

Nowa polityka wymaga, aby aplikacja prosiła użytkownika o pozwolenie na zbieranie danych przeglądania. Bez pozwolenia reklamy mogą się nadal pojawiać, ale według Facebooka są coraz mniej trafne. Dzieje się tak dlatego, że firma nie będzie mogła wykorzystać swoich systemów rekomendacji do wyświetlania reklam opartych na zainteresowaniach użytkowników.

Z drugiej strony brak personalizacji w reklamach to cena, którą wielu uważa za niewielką, bojąc się kolejnego skandalu związanego z niewłaściwym udostępnianiem, takiego jak ten z Cambridge Analytica.

W tym scenariuszu i biorąc pod uwagę przyszłość szeroko dyskutowanego (i kontrowersyjnego) Metaverse, wiarygodność firmy będzie miała znaczenie przy podejmowaniu decyzji o zezwoleniu na śledzenie i dostarczanie systemów rekomendujących. Ponadto należy zauważyć, że niezbędna jest ewolucja przepisów, aby zapewnić prawidłowe wykorzystanie naszych danych.