Que sont les systèmes de recommandation?

Les systèmes de recommandation sont des systèmes qui font des recommandations pour les utilisateurs sur la base des données que les utilisateurs ont entrées dans le système.Plus un utilisateur a fourni de données, plus ces systèmes peuvent être précis.De plus, les données soumises par les utilisateurs individuels aident à améliorer le système dans l'ensemble, en générant des informations qui peuvent être utilisées pour faire des recommandations pour d'autres utilisateurs.Les systèmes de recommandation sont couramment observés sur des sites tels que les sites de révision des films et télévisés et ceux qui ont de grands stocks d'articles de vente au détail qui seraient fonctionnellement impossibles à parcourir en regardant chaque élément.

Ces systèmes peuvent interagir avec les utilisateurs de différentes manières.L'une est en tant que service aux utilisateurs qui recherchent plus de choses qui pourraient être intéressées, comme la lecture plus approfondie, les émissions de télévision ou les jeux vidéo.Dans ces systèmes, l'utilisateur génère une liste de goûts et de dégâts et le système essaie de prédire comment l'utilisateur votera sur les choses sur lesquelles il n'a pas encore voté.S'il pense que quelque chose aurait une note élevée, cela le suggère à l'utilisateur.

Les systèmes de recommandation bien conçus apprennent de leurs erreurs.Un système peut recommander le son de la musique parce qu'un utilisateur a aimé Willy Wonka # 38;La chocolaterie .L'utilisateur pourrait sélectionner des options telles que j'aime ceci ou je n'aime pas ça.Si l'utilisateur n'aimait pas le son de la musique , le système pourrait prendre note et affiner davantage l'algorithme utilisé pour générer des recommandations.Plus les données sont accumulées, plus les recommandations seront utiles.

Les sites de vente au détail utilisent des systèmes de recommandation pour inciter les gens à effectuer des achats impulsifs.Le système prend note des articles achetés et recommande des articles connexes et utiles.Par exemple, une personne qui achète une caméra pourrait être invitée à savoir s'il voulait acheter un chargeur, un boîtier de caméra, des filtres et des objectifs supplémentaires.Quelqu'un qui achète un livre sur la théorie féministe pourrait être informé que d'autres acheteurs de ce titre jouissent également d'un autre titre connexe.Ces types de systèmes de recommandation permettent un marketing personnalisé qui est très susceptible de plaire aux utilisateurs.

Ces systèmes reposent sur le filtrage collaboratif des données, dans lesquels les données d'un grand nombre d'utilisateurs sont organisées de manière significative.Cela permet au site d'établir des connexions qui pourraient ne pas être apparentes, améliorant la qualité des recommandations.Les utilisateurs qui ne veulent pas participer peuvent généralement modifier des options dans leurs paramètres utilisateur, mais ils réduiront la qualité des recommandations qu'ils reçoivent parce que le système ne peut pas apprendre des préférences de l'individu, seulement l'opinion collective des autres utilisateurs.