Wspólne filtrowanie pozycja-pozycja

Filtrowanie zespołowe typu element-element , oparte na elementach lub element-element , to forma wspólnego filtrowania dla systemów rekomendacji na podstawie podobieństwa między elementami obliczonego na podstawie ocen tych elementów przez ludzi. Filtrowanie oparte na współpracy między pozycjami zostało wynalezione i używane przez Amazon.com w 1998 roku. Po raz pierwszy zostało opublikowane na konferencji naukowej w 2001 roku.

Wcześniejsze wspólne systemy filtrowania oparte na podobieństwie ocen między użytkownikami (znane jako wspólne filtrowanie użytkownik-użytkownik) miały kilka problemów:

• systemy działały słabo, gdy miały wiele pozycji, ale stosunkowo mało ocen
• obliczanie podobieństw między wszystkimi parami użytkowników było kosztowne
• profile użytkowników zmieniały się szybko i cały model systemu musiał zostać ponownie obliczony

Modele element-element rozwiązują te problemy w systemach, które mają więcej użytkowników niż elementów. Modele pozycja-pozycja wykorzystują rozkłady ocen na przedmiot , a nie na użytkownika . W przypadku większej liczby użytkowników niż elementów każdy element ma zwykle więcej ocen niż każdy użytkownik, więc średnia ocena elementu zwykle nie zmienia się szybko. Prowadzi to do bardziej stabilnych rozkładów ocen w modelu, więc model nie musi być tak często przebudowywany. Kiedy użytkownicy konsumują, a następnie oceniają element, podobne elementy tego elementu są wybierane z istniejącego modelu systemu i dodawane do rekomendacji użytkownika.

metoda

Najpierw system wykonuje etap budowania modelu, znajdując podobieństwo między wszystkimi parami pozycji. Ta funkcja podobieństwa może przybierać różne formy, takie jak korelacja między ocenami lub cosinus tych wektorów ocen. Podobnie jak w systemach użytkownik-użytkownik, funkcje podobieństwa mogą wykorzystywać znormalizowane oceny (korygujące na przykład średnią ocenę każdego użytkownika).

Po drugie, system wykonuje etap rekomendacji . Wykorzystuje elementy najbardziej podobne do elementów już ocenionych przez użytkownika, aby wygenerować listę rekomendacji. Zwykle to obliczenie jest sumą ważoną lub regresją liniową . Ta forma rekomendacji jest analogiczna do „ludzi, którzy wysoko oceniają pozycję X, tak jak ty, również wysoko oceniają pozycję Y, a ty jeszcze nie oceniłeś pozycji Y, więc powinieneś spróbować”.

Wyniki

Wspólne filtrowanie element-element miało mniej błędów niż wspólne filtrowanie użytkownik-użytkownik. Ponadto jego mniej dynamiczny model był obliczany rzadziej i przechowywany w mniejszej macierzy, więc wydajność systemu element-element była lepsza niż w przypadku systemów użytkownik-użytkownik.