Co jsou systémy doporučení?

Doporučovací systémy jsou systémy, které poskytují doporučení pro uživatele na základě dat, které uživatelé zadali do systému.Čím více dat uživatel poskytl, tím přesnější takové systémy mohou být.Data předložená jednotlivými uživateli navíc pomáhají vylepšit systém celkově generováním informací, které lze použít k vydávání doporučení pro ostatní uživatele.Systémy doporučení jsou běžně pozorovány na webech, jako jsou weby pro filmové a televizní recenze, a ty s velkými zásobami maloobchodních předmětů, které by bylo funkčně nemožné procházet při pohledu na každou položku.

Tyto systémy mohou interagovat s uživateli různými způsoby.Jeden je jako služba uživatelům, kteří hledají více věcí, o které by se mohly zajímat, jako je další čtení, televizní pořady nebo videohry.V těchto systémech uživatel generuje seznam lajků a nelíbí a systém se snaží předpovídat, jak uživatel bude hlasovat o věcech, o kterých dosud nehlasoval.Pokud si myslí, že by něco mělo vysoké hodnocení, navrhuje to uživateli.Systém může doporučit

zvuk hudby

, protože uživatel měl rád Willy Wonka #38;továrna na čokoládu .Uživatel mohl vybrat možnosti, jako je to, že se mi líbí, nebo se mi nelíbí.Pokud by se uživatel nelíbil zvuk hudby , mohl by systém vzít na vědomí a dále upřesnit algoritmus použitý k generování doporučení.Čím více údajů získaných, tím užitečnější budou doporučení.Systém bere na vědomí zakoupené položky a doporučuje související a užitečné položky.Například, někdo, kdo kupuje kameru, by se mohl zeptat, zda chce koupit nabíječku, pouzdro na kameru, filtry a další čočky.Někdo, kdo si koupí knihu o feministické teorii, by se dalo říci, že další kupující tohoto titulu si také užívají další související titul.Tyto typy systémů doporučení umožňují personalizovaný marketing, který je velmi pravděpodobné, že se na uživatele apelují.To umožňuje webu vytvářet spojení, která by jinak nebyla zřejmá, a zlepšila kvalitu doporučení.Uživatelé, kteří se nechtějí účastnit, mohou obvykle změnit možnosti ve svém uživatelském nastavení, ale sníží kvalitu doporučení, která obdrží, protože systém se nemůže poučit z preferencí jednotlivce, pouze z kolektivního názoru ostatních uživatelů.