Wat is samenwerkingsfiltering?

COLLABORATIEVE FILTERING is een methode voor het verwerken van gegevens die afhankelijk is van het gebruik van gegevens uit tal van bronnen om profielen te ontwikkelen van mensen die gerelateerd zijn door vergelijkbare smaken en bestedingsgewoonten.Deze techniek wordt gebruikt in een aantal verschillende instellingen.Enkele van de beroemdste toepassingen van samenwerkingsfiltering zijn te zien op internet, waar het wordt gebruikt voor marketing, om gebruikersmaken te voorspellen en om sites te samenstellen die afhankelijk zijn van invoer van gebruikers om te functioneren.

In een eenvoudig voorbeeld van hoe samenwerktFiltering werkt, een website wil misschien een aanbevelingssysteem instellen voor televisieshows.Gebruikers van de site geven gegevens op wanneer ze zich aanmelden en de shows op een lijst maken die ze leuk vinden.Deze gegevens worden op hun beurt gebruikt om gebruikers met vergelijkbare smaken te identificeren.Als 75% van de mensen die graag een soortgelijke show B laten zien, kan het systeem concluderen dat mensen die de ene show waarschijnlijk zoals de andere zoals de andere leuk vinden.Dus wanneer een gebruiker zich aanmeldt en zich identificeert als een fan van show A op zoek naar suggesties, kan het systeem aanbevelen B.

uit te laten zien, is dus veel gegevens nodig.Hoe groter de populatie waaruit de gegevens worden afgenomen, hoe nuttiger en effectiever de gegevens zullen zijn.Kleine hoeveelheden gegevens eindigen eerder met resultaten die niet zinvol zijn, zoals valse verbindingen die resulteren in slechte voorspellingen van smaken.Dergelijke systemen lijden vaak aan een koud startprobleem, waarin ze zich langzaam ontwikkelen omdat de database eerst moet worden ingevuld.Vroege adopters kunnen gefrustreerd worden door het systeem omdat het slechte aanbevelingen doet, omdat het niet genoeg gegevens heeft. COLLABORATIEVE FILTERING wordt ook uitgebreid gebruikt op sociale netwerksites en sites die hulpmiddelen bieden zoals bookmarking voor ondernemingen, waarin gebruikers de delen en promoten naar links naarSites die ze interessant vinden.Aangezien gebruikers toevoegen aan de gegevens van gegevens in het systeem, kan het systeem beginnen met het doen van aanbevelingen die zijn ontworpen om een beroep te doen op elke gebruikers van een beroep.Een site voor sociale bookmarking kan bijvoorbeeld willekeurige links genereren op basis van links en gebruikers waar iemand in het verleden een voorkeur voor heeft geuit. Marketeers kunnen samenwerkingsfiltering gebruiken om zeer nauwkeurig gerichte marketing aan gebruikers te leveren.Deze gepersonaliseerde marketing kan zeer effectief zijn, omdat gebruikers het gevoel hebben dat ze persoonlijk worden aangepakt en dat ze eerder aanbevelingen accepteren.De enorme hoeveelheden gegevens die vrijwillig worden verstrekt op websites zoals sociale netwerksites zijn een hot commodity bij marketeers, die gegevens van dergelijke sites kopen om aangepaste campagnes te ontwikkelen.