Skip to main content

Hvad er anbefalingssystemer?

Anbefolkningssystemer er systemer, der fremsætter henstillinger til brugere på grundlag af data, som brugerne har indgået i systemet.Jo flere data en bruger har leveret, desto mere nøjagtige kan sådanne systemer være.Derudover hjælper data, der er indsendt af individuelle brugere, til at forbedre systemet generelt ved at generere oplysninger, der kan bruges til at fremsætte henstillinger til andre brugere.Anbefalingssystemer ses ofte på websteder som film- og tv -gennemgangswebsteder og dem med store varebeholdninger af detailartikler, der ville være funktionelt umulige at gennemse ved at se på hvert element.

Disse systemer kan interagere med brugere på en række forskellige måder.Den ene er som en service for brugere, der leder efter flere ting, de måske er interesseret i, som yderligere læsning, tv -shows eller videospil.I disse systemer genererer brugeren en liste over likes og ikke kan lide, og systemet forsøger at forudsige, hvordan brugeren vil stemme om ting, han eller hun ikke har stemt om endnu.Hvis det mener, at noget ville have en høj bedømmelse, antyder det det til brugeren.

Well -designet anbefalingssystemer lærer af deres fejl.Et system kan anbefale lyden af musik fordi en bruger kunne lide Willy Wonka #38;Chokoladefabrikken .Brugeren kunne vælge indstillinger som jeg kan lide dette, eller jeg kan ikke lide dette.Hvis brugeren ikke kunne lide lyden af musik , kunne systemet notere sig og yderligere forfine den algoritme, der blev brugt til at generere anbefalinger.Jo flere data påløbne, jo mere nyttige vil anbefalingerne være.

Detailsider bruger anbefalingssystemer til at lokke folk til at foretage impulskøb.Systemet noterer sig, at de købte varer og anbefaler relaterede og nyttige genstande.For eksempel kan en, der køber et kamera, blive spurgt, om han eller hun vil købe en oplader, en kamerasaske, filtre og yderligere linser.En person, der køber en bog om feministisk teori, kan få at vide, at andre købere af denne titel også nyder en anden, relateret titel.Disse typer anbefalingssystemer giver mulighed for personlig markedsføring, der er meget sandsynligt at appellere til brugerne.

Disse systemer er afhængige af samarbejdsfiltrering af data, hvor data fra et stort antal brugere er organiseret på meningsfulde måder.Dette gør det muligt for stedet at oprette forbindelser, der ellers ikke er synlige, hvilket forbedrer kvaliteten af anbefalingerne.Brugere, der ikke ønsker at deltage i