将考虑创建算法时的技术

SojibNT18

的 在 ， 的视频观看次数来自于推荐（麦肯锡）。 在一项针对 人的调查中，略多于一半的人在认为决策更快、更便宜且更准确时更喜欢算法而不是人类（ ， 比人类更糟糕？ 年亚利桑那州法律评论）。 在美国，研究人员记录表明，推荐系统明显向用户暴露了 极右极端主义运动 ，以及 有关 和 年选举结果的阴谋论。 仅截至 年， 推荐引擎每秒检索 亿个特征并进行 万次模型预测。 在 上单击 不喜欢 是留下负面评论的最明显方式，但只能阻止 的不良推荐 。 优先考虑观看时间而不是用户满意度 。 算法的技术类型 推荐系统可能彼此非常不同，并且使用不同的数据。在分析单个社交网络的推荐。

系统之前，我们类型。 协作式装配 协作系统的关键在于，如果用户 印尼电话号码表 之前有相似的兴趣，那么将来他们的兴趣就会重合。 基于用户 该方案很简单：两个用户 和 对音乐和艺术家有相似的偏好。如果用户 喜欢一首 尚未听过的歌曲，那么很可能听众 也会喜欢它。 该原则基于有关用户偏好的统计数据。 基于项目的 协同过滤也有类似的原理。在这种情况下，原则不是基于用户偏好，而是基于对象本身的相似度。 例如。




户通常会听歌曲 和 。如果一个人开始喜欢歌曲 ，那么他会被邀请听歌曲 。 最近， 服务直接展示了这样的算法。该算法显示与其他用户的音乐兼容性，并根据匹配的品味选择播放列表。此外，您还可以了解名人听什么类型的音乐以及你们的音乐品味有多契合。 基于内容的 这一原则的本质是，为每个用户创建一个单独的 虚拟作品集 ，其中考虑了元素的特征（风格、年份、作者等 ）。 这样的 组合 是根据用户的偏好创建的，或者直接询问。