추천 시스템이란 무엇입니까?

추천 시스템은 사용자가 시스템에 입력 한 데이터를 기반으로 사용자를 권장하는 시스템입니다. 사용자가 제공 한 데이터가 많을수록 그러한 시스템이 더 정확할 수 있습니다. 또한 개별 사용자가 제출 한 데이터는 다른 사용자에게 권장 사항을 제시하는 데 사용할 수있는 정보를 생성하여 전체 시스템을 개선하는 데 도움이됩니다. 추천 시스템은 일반적으로 영화 및 텔레비전 리뷰 사이트와 같은 사이트와 모든 품목을 살펴보면 기능적으로 탐색 할 수없는 소매 품목의 큰 재고가있는 사이트에서 일반적으로 볼 수 있습니다.

이러한 시스템은 여러 가지 방법으로 사용자와 상호 작용할 수 있습니다. 하나는 추가 독서, 텔레비전 쇼 또는 비디오 게임과 같이 관심있는 더 많은 것을 찾고있는 사용자에게 서비스입니다. 이러한 시스템에서 사용자는 좋아요 및 싫어하는 목록을 생성하며 시스템은 사용자가 아직 투표하지 않은 것에 대해 어떻게 투표 할 것인지 예측하려고합니다. 그것이 생각한다면d 등급이 높고 사용자에게 제안합니다.

잘 설계된 추천 시스템은 실수로부터 배웁니다. 시스템은 Music의 사운드 을 추천 할 수 있습니다. Willy Wonka & The Chocolate Factory 를 좋아하기 때문입니다. 사용자는 "나는 이것을 좋아한다"또는 "나는 이것을 좋아하지 않는다"와 같은 옵션을 선택할 수있다. 사용자가 음악의 사운드를 좋아하지 않으면 시스템이 권장 사항을 생성하는 데 사용되는 알고리즘을 기록하고 더 세분화 할 수 있습니다. 데이터가 많을수록 권장 사항이 더 도움이됩니다.

소매 사이트는 추천 시스템을 사용하여 사람들이 충동 구매를하도록 유도합니다. 이 시스템은 구매 한 품목을 기록하고 관련 및 유용한 품목을 권장합니다. 예를 들어, 카메라를 구입하는 사람은 충전기, 카메라 케이스, 필터 및 추가 렌즈를 구매하고 싶은지 물어볼 수 있습니다. 페미니스트 이론에 관한 책을 구매하는 사람이그 타이틀의 다른 구매자도 다른 관련 제목을 즐깁니다. 이러한 유형의 추천 시스템은 사용자에게 호소 할 가능성이 높은 개인화 된 마케팅을 허용합니다.

이러한 시스템은 데이터의 협업 필터링에 의존하며, 여기에서 방대한 수의 사용자의 데이터가 의미있는 방식으로 구성됩니다. 이를 통해 사이트는 그렇지 않으면 명백하지 않은 연결을 만들어 권장 사항의 품질을 향상시킬 수 있습니다. 참여하고 싶지 않은 사용자는 일반적으로 사용자 설정에서 옵션을 변경할 수 있지만 시스템은 개인의 선호도로부터 배울 수없고 다른 사용자의 집단적 의견 만 배울 수 없기 때문에받는 권장 사항의 품질을 줄입니다.

.