Առաջարկման համակարգեր

Վիքիպեդիայից՝ ազատ հանրագիտարանից
Jump to navigation Jump to search

Առաջարկման համակարգեր (անգլ.՝ Recommender system), ծրագրեր, որոնք փորձում են կանխագուշակել թե ինչպիսի օբյեկտներ (ֆիլմեր[1], երգեր, գրքեր, լուրեր, վեբ-կայքեր) հետաքրքիր կլինեն օգտատիրոջը, ունենալով որոշակի ինֆորմացիա օգտատիրոջ էջի (պրոֆիլի) մասին[2][3][4]:

Առաջարկների համակարգերի ստեղծման երկու հիմնական մարտավարություններ[խմբագրել | խմբագրել կոդը]

Առաջարկման համակարգերի ստեղծման երկու հիմնական մարտավարություններն են հիմնային բովանդակության ֆիլտրացիան[5] և կոլլաբորատիվ ֆիլտրացիան[6][7]: Հիմնային բովանդակության վրա ֆիլտրացիայի ընթացքում ստեղծվում է օգտատիրոջ և օբյեկտների պրոֆիլ[8]: Օգտատերերի պրոֆիլները կարող են իրենց մեջ ներառել ժողովրդագրական տեղեկություն կամ պատասխաններ որոշակի հարցերի շարքի շուրջ, իսկ օբյեկտների պրոֆիլը կարող է ներառել ժանրերի, դերասանների անունների, կատարողների անունների և այլ որոշիչ տեղեկություն կախված օբյեկտի տեսակից: Օրինակ Music Genome Project-ում երաժշտական փորձագետը գնահատում է ամեն կոմպոզիցիան հարյուրավոր տարբեր երաժշտական բնութագրիչներով, որոնք կարող են վերաբերվել օգտատիրոջ եչաժշտական նախընտրություններին: Կոլլաբորատիվ ֆիլտրացիայի ընթացքում օգտագործվում են տեղեկություններ օգտատիրոջ «վարքի» վերաբերյալ անցյալում. օրինակ՝ տեղեկություններ գնումների և գնահատականների վերաբերյալ: Այդ դեպքում նշանակություն չունի թե ինչ տեսակի օբյեկտների հետ են աշխատանքներ տարվում, սակայն այդ դեպքում կարող են հաշվի առնվել ոչ ակնհայտ բնութագրիչներ, որոնք դժվար կլիներ հաշվի առնել պրոֆիլների ստեղծման փուլում: Առաջարկման համակարգերի այդ տեսակի հիմնական խնդիրը «սառը մեկնարկն» է, որը վերաբերվում է օգտատերերի և օբյեկտների համակարգերի ոչ վաղուց հայտնված տվյալների բացակայությանը[9]:

Տվյալների հավաքագրումը ակնհայտ և ոչ ակնհայտ մեթոդներով[խմբագրել | խմբագրել կոդը]

Ակնհայտ մեթոդներ[խմբագրել | խմբագրել կոդը]

Առաջարկման համակարգերի աշխատանքի գործընթացքում հավաքագրվում են տվյալներ օգտատերերի մասին, օգտագործվելով ոչ ակնհայտ և ակնհայտ մեթոդներ:

Ակնհայտ տվյալնների հավաքագրման օրինակներ.

  • Հարցում օգտատիրոջից օբյեկտի գնահատականի շուրջ տարբերակված սանդղակով,
  • Հարցում օգտատիրոջից օբյեկտների խմբի վարկանիշի մասին լավագույնի և վատագույնի վերաբերյալ,
  • Հարցում օգտատիրոջը թե երկու օբյեկտներից, որն է ավելի լավը,
  • Առաջարկ օգտատիրոջը օբյեկտների ցանկի վերաբերյալ, որը որ նա անձամբ նախընտրում է:

Ոչ ակնհայտ մեթոդներ[խմբագրել | խմբագրել կոդը]

Ոչ ակնհայտ տվյալների հավաքագրման օրինակներ.

  • Հետազոտություն այն բանի շուրջ, թե ինչերի է հետևում օգտատերը ինտերնետ-խանութներում կամ այլ տեսակի տվյալների բազայում,
  • Նշումների կատարում օգտատիրոջ առցանց վարքի վերաբերյալ,
  • Օգտատիրոջ համակարգչի պարունակության շուրջ հետազոտություն:

Կանխողական դիզայն[խմբագրել | խմբագրել կոդը]

Կանխողական դիզայնը բանացանցի (անգլ.՝ Internet of things), օգտատիրոջ փորձի դիզայնի և մեքենայական ուսուցման համադրումն է: Կանխողական դիզայնը տարվերվում է պայմանական դիզայից նրանով, որ իր նպատակը գործընթացի պարզեցման և դժվարության նվազեցումն է օգտատերերի անուններից որոշումներ կատարելու միջոցով: Կանխողական դիզայնի տարատեսակ մակարդակները օգտագործող ընկերություններից են Amazon և Netflix ընկերությունները[10][11], որոնց առաջարկման համակարգերի համար որպես աղբյուր են ծառայում այն ապրանքները, որոնք հիմնված են օգտատիրոջ անցյալում ցուցաբերած «վարքագծի» հիման վրա: Բացի վերոնշյալ ընկերություններից հայտնի է նաև Peapod հեռախոսային ծրագիրը, որը թույլ է տալիս օգտատիրոջը լրացնել գնումների ցանկը նախորդ պատվերների հիման վրա, ինչպես նաև Nest ջերմաչափը[12], որը կանխագուշակում է լավագույն սենյակային ջերմաստիճանը հիմնված օգտատիրոջ մուտքագրման և օրվա ժամանակի վրա[13]:

Կիրառություններ[խմբագրել | խմբագրել կոդը]

Առաջարկման համակարգերը համեմատում են միատեսակ տվյալնները տարբեր մարդկանցից և հավաքագրում են ցուցակ կոնկրետ օգտատերերի համար: Իրենց առևտրական և ոչ առևտրական գործողությունները ներառվում են կոլլաբորատիվ ֆիլտրացիայի հոդվածի մեջ: Առաջարկման համակարգերի հաշվման համար օգտագործվում է հետաքրքրությունների գրաֆը[14]: Առաջարկման համակարգերը հարմարավետ այլընտրանք են որոնողական ալգորիթմների համար, քանի որ թույլ են տալիս գտնել օբյեկտներ, որոնք կարող են ի հայտ գալ ամենավերջում: Հետաքրքրական է, որ առաջարկման համակարգերը հաճախ օգտագործում են որոնողական մեքենաները ոչ սովորական տվյալների ինդեքսավորման համար[15][16]:

Ծանոթագրություններ[խմբագրել | խմբագրել կոդը]

  1. Ֆիլմերի շուրջ առաջարկման համակարգի ստեղծման մեթոդ
  2. Rubens Neil, Elahi Mehdi, Sugiyama Masashi, Kaplan Dain (2016)։ «Active Learning in Recommender Systems»։ in Ricci Francesco, Rokach Lior, Shapira Bracha։ Recommender Systems Handbook (2 ed.)։ Springer US։ ISBN 978-1-4899-7637-6 
  3. «Facebook, Pandora Lead Rise of Recommendation Engines - TIME»։ TIME.com։ 27 May 2010։ Վերցված է 1 June 2015 
  4. Մեքենայական ուսուցումը առաջարկման համակարգերի համար
  5. John S. Breese, David Heckerman & Carl Kadie (1998)։ Empirical analysis of predictive algorithms for collaborative filtering։ In Proceedings of the Fourteenth conference on Uncertainty in artificial intelligence (UAI'98) 
  6. Y. Koren, R. Bell, C. Volinsky Matrix Factorization Techniques for Recommender Systems // Computer. — IEEE. — Т. 42. — № 8. — С. 30—37.
  7. Рекомендательные системы на основе коллаборативной фильтрации, 2002, էջ 187
  8. H. Chen, A. G. Ororbia II, C. L. Giles ExpertSeer: a Keyphrase Based Expert Recommender for Digital Libraries, in arXiv preprint 2019
  9. Alexander Felfernig, Klaus Isak, Kalman Szabo, Peter Zachar, The VITA Financial Services Sales Support Environment, in AAAI/IAAI 2007, pp. 1692-1699, Vancouver, Canada, 2009.
  10. Կանխողական դիզայն օգտագործող ընկերության օրինակ
  11. Netflix. ընկերություն, որը ֆիլմերի դիտումը և վաճառքը ընդունված կարգից բացի իրականացնում է նաև կանխողական դիզայնի միջոցով
  12. Nest. ջերմաչափ, որը կիրառում է կանխողական դիզայն
  13. «What You Need To Know About Anticipatory Design»։ Smashing Magazine (en-US)։ 2015-09-10։ Վերցված է 2017-12-06 
  14. Առաջարկման համակարգերի կիրառությունը
  15. Առաջարկման համակարգերի մասնագիտացում
  16. Կիրառման օրինակները

Գրականություն[խմբագրել | խմբագրել կոդը]

Գրքեր
Գիտական հոդվածներ

Արտաքին հղումներ[խմբագրել | խմբագրել կոդը]