Zuhause Persönliche Finanzen Grundlagen von inhaltsbasierten Predictive Analytics-Filtern - Dummies

Grundlagen von inhaltsbasierten Predictive Analytics-Filtern - Dummies

Inhaltsverzeichnis:

Video: Recommender Systems 2025

Video: Recommender Systems 2025
Anonim

Inhaltsbasierte Predictive Analytics-Empfehlungssysteme entsprechen Features (markierte Keywords) unter ähnlichen Elementen und das Benutzerprofil, um Empfehlungen abzugeben. Wenn ein Benutzer ein Element kauft, das Merkmale gekennzeichnet hat, werden Elemente mit Funktionen empfohlen, die mit denen des ursprünglichen Elements übereinstimmen. Je mehr Merkmale übereinstimmen, desto höher ist die Wahrscheinlichkeit, dass der Benutzer die Empfehlung mag. Diese Wahrscheinlichkeit wird als Genauigkeit bezeichnet.

Grundlagen von Tags zur Beschreibung von Artikeln

Im Allgemeinen kennzeichnet das Unternehmen, das den Verkauf durchführt (oder der Hersteller) seine Artikel normalerweise mit Keywords. Auf der Amazon-Website ist es jedoch normal, die Tags nicht für gekaufte oder gesehene Artikel zu sehen - und nicht einmal, um einen Artikel zu markieren. Kunden können die gekauften Artikel überprüfen, aber das ist nicht dasselbe wie das Taggen.

Das Tagging von Artikeln kann eine Herausforderung für ein Geschäft wie Amazon mit so vielen Artikeln darstellen. Darüber hinaus können einige Attribute subjektiv sein und werden möglicherweise falsch markiert, je nachdem, wer sie markiert. Eine Lösung, die das Skalierungsproblem löst, besteht darin, Kunden oder der Öffentlichkeit die Möglichkeit zu geben, die Elemente zu markieren.

Um die Tags überschaubar und genau zu halten, kann ein akzeptabler Satz von Tags von der Website bereitgestellt werden. Nur wenn eine angemessene Anzahl von Benutzern zustimmt (d. H. Dasselbe Tag zur Beschreibung eines Elements verwenden), wird das vereinbarte Tag zur Beschreibung des Elements verwendet.

Benutzerbasiertes Tagging stellt jedoch andere Probleme für ein inhaltsbasiertes Filtersystem (und kollaboratives Filtern) dar:

  • Glaubwürdigkeit: Nicht alle Kunden sagen die Wahrheit (insbesondere online) und Benutzer, die Nur eine kleine Bewertungshistorie kann die Daten verzerren. Darüber hinaus können einige Anbieter ihren eigenen Produkten positive Bewertungen geben (oder andere dazu anregen), während sie den Produkten ihrer Wettbewerber negative Bewertungen geben.

  • Sparsity: Nicht alle Elemente werden bewertet oder haben genügend Bewertungen, um nützliche Daten zu erhalten.

  • Inkonsistenz: Nicht alle Benutzer verwenden die gleichen Schlüsselwörter, um ein Element zu markieren, obwohl die Bedeutung möglicherweise dieselbe ist. Zusätzlich können einige Attribute subjektiv sein. Zum Beispiel kann ein Betrachter eines Films es als kurz erachten, während ein anderer sagt, es sei zu lang.

Attribute benötigen eindeutige Definitionen. Ein Attribut mit zu wenigen Grenzen ist schwer zu bewerten. Wenn Sie zu viele Regeln für ein Attribut festlegen, können Sie Benutzer dazu auffordern, zu viel Arbeit zu verrichten, was sie davon abhält, Elemente zu markieren.

Das Markieren der meisten Elemente in einem Produktkatalog kann zur Lösung des Kaltstartproblems beitragen, das die kollaborative Filterung beeinträchtigt.Eine Zeit lang ist die Genauigkeit der Systemempfehlungen jedoch niedrig, bis ein Benutzerprofil erstellt oder erhalten wird.

Hier sehen Sie eine Beispielmatrix von Kunden und ihren gekauften Artikeln, die ein Beispiel für eine inhaltsbasierte Filterung zeigt.

Elemente Merkmal 1 Merkmal 2 Merkmal 3 Merkmal 4 Merkmal 5
Element 1 X X
Element 2 X X
Punkt 3 999 X 999 X 999 X 999 Punkt 4 999 X 999 X 999 X 999 Punkt 5 999 X 999 > X X Hier, wenn ein Benutzer Feature 2 mag - und das ist in seinem Profil aufgezeichnet - wird das System alle Elemente empfehlen, die Feature 2 enthalten: Element 1, Element 2 und Element 4. > Dieser Ansatz funktioniert auch dann, wenn der Benutzer einen Artikel nie gekauft oder überprüft hat. Das System sucht nur in der Produktdatenbank nach jedem Artikel, der mit Feature 2 gekennzeichnet wurde. Wenn (zum Beispiel) ein Nutzer mit Audrey Hepburn nach Filmen sucht - und diese Einstellung erscheint im Profil des Nutzers - wird das System alle empfehlen. die Filme, die Audrey Hepburn zu diesem Benutzer kennzeichnen. Dieses Beispiel zeigt jedoch schnell eine Einschränkung der inhaltsbasierten Filtertechnik: Der Benutzer weiß wahrscheinlich bereits über alle Filme Bescheid, in denen sich Audrey Hepburn befunden hat, oder kann sie leicht herausfinden - also aus der Sicht dieses Benutzers. hat das System nichts Neues oder Wertvolles empfohlen.
So verbessern Sie die Genauigkeit mit konstanter Rückmeldung Eine Möglichkeit, die Genauigkeit der Systemempfehlungen zu verbessern, besteht darin, die Kunden nach Möglichkeit um Feedback zu bitten. Das Sammeln von Kundenfeedback kann auf viele verschiedene Arten über mehrere Kanäle erfolgen. Einige Unternehmen bitten den Kunden, einen Artikel oder eine Dienstleistung nach dem Kauf zu bewerten. Andere Systeme bieten Verknüpfungen im Social-Media-Stil, sodass Kunden ein Produkt "mögen" oder "nicht mögen". Ständige Interaktion zwischen Wie man die Effektivität von Systemempfehlungen misst Der Erfolg von Systemempfehlungen hängt davon ab, wie gut es zwei Kriterien erfüllt:
Genauigkeit (man denke an perfekte Übereinstimmungen - normalerweise ein kleiner Satz) und erinnern (denken Sie an eine Reihe von möglichen Übereinstimmungen - normalerweise eine größere Menge). Hier ein genauerer Blick:

Präzision

misst, wie genau die Systemempfehlung war. Präzision ist schwer zu messen, weil sie subjektiv und schwer zu quantifizieren ist. Kann zum Beispiel Amazon, wenn ein Nutzer die Amazon-Website zum ersten Mal besucht, sicher wissen, ob seine Empfehlungen auf das Ziel ausgerichtet sind?

Einige Empfehlungen knüpfen möglicherweise an die Interessen des Kunden an, aber der Kunde kann immer noch nicht kaufen. Das höchste Vertrauen, dass eine Empfehlung präzise ist, kommt aus eindeutigen Beweisen: Der Kunde kauft den Artikel. Alternativ kann das System den Benutzer explizit auffordern, seine Empfehlungen zu bewerten.

Recall

misst die möglichen Empfehlungen, die Ihr System bietet. Denken Sie an Rückruf als eine Bestandsaufnahme möglicher Empfehlungen, aber nicht alle sind perfekte Empfehlungen. Es gibt im Allgemeinen eine umgekehrte Beziehung zu Präzision und Rückruf. Das heißt, wenn der Recall ansteigt, sinkt die Präzision und umgekehrt.

Das ideale System hätte sowohl eine hohe Präzision als auch einen hohen Wiedererkennungswert. Aber realistischerweise ist es das beste Ergebnis, ein empfindliches Gleichgewicht zwischen den beiden zu finden. Die Betonung von Genauigkeit oder Rückruf hängt wirklich von dem Problem ab, das Sie lösen möchten.

Grundlagen von inhaltsbasierten Predictive Analytics-Filtern - Dummies

Die Wahl des Herausgebers

Wie man die Socialcast Mobile App benutzt - dummies

Wie man die Socialcast Mobile App benutzt - dummies

Sogar die stoischste Anwendung wie Microsoft Excel hat ein begleitendes Smartphone-App, natürlich hat Socialcast auch eine. Wenn es so wäre, wäre es nicht wirklich eine Ausrede zu sagen, dass Socialcast nicht sehr sozial wäre, wenn du es nicht mit in die große Welt außerhalb deiner Zelle mitnehmen könntest. Die mobile App ...

Wie man das App Verzeichnis von Yammer benutzt - dummies

Wie man das App Verzeichnis von Yammer benutzt - dummies

Sie haben vielleicht gehört: "Es gibt eine App dafür. "Nun, das ist der Fall bei Yammer, der als einzige Ressource für die Vernetzung am Arbeitsplatz funktioniert. Aber Yammer bietet Ihnen auch eine Menge Apps, mit denen Sie Ihr Arbeitsleben noch einfacher gestalten können. Es gibt zwei Möglichkeiten, auf das App-Verzeichnis zuzugreifen: Option ...

So ​​verwenden Sie die Yammer-Analysetools - Dummies

So ​​verwenden Sie die Yammer-Analysetools - Dummies

Yammer rühmt sich damit als "führendes soziales Unternehmensnetzwerk für Unternehmen" um die Arbeit intelligenter und schneller zu erledigen. "Woher weißt du, ob das wahr ist? Ein guter Weg, um zu sehen, wie es für Sie funktioniert, ist die Analyse von Yammer. Wie greifen Sie auf diese großartigen Tools zu? Es ist einfach. Log ...

Die Wahl des Herausgebers

Die Evolution von Distributed Computing für Big Data - Dummies

Die Evolution von Distributed Computing für Big Data - Dummies

Hinter allen wichtigen Trends des letzten Jahrzehnts, einschließlich Serviceorientierung, Cloud Computing, Virtualisierung und Big Data, ist eine grundlegende Technologie namens Distributed Computing. Einfach gesagt, ohne die Verteilung von Datenverarbeitung wäre keiner dieser Fortschritte möglich. Distributed Computing ist eine Technik, mit der einzelne Computer über geografische Gebiete hinweg miteinander vernetzt werden können, so als ob ...

Drei Anbieter mit Data Mining-Produkten - Dummies

Drei Anbieter mit Data Mining-Produkten - Dummies

Es gibt mehrere Anbieter, die Data-Mining-Produkte verkaufen, die Sie vielleicht in Betracht ziehen möchten. Verwenden Sie mit Ihrem Data Warehouse. Hier sind drei, die eine Überlegung wert sind. Microsoft Microsoft hat das serverseitige Data Mining mit Microsoft SQL Server 2005 eingeführt. Obwohl es nicht so ausgereift und ausgeklügelt wie SAS und SPSS ist, hat Microsoft im Laufe der Zeit seine Fähigkeit bewiesen ...

Grundlagen der Big-Data-Integration - Dummies

Grundlagen der Big-Data-Integration - Dummies

Die fundamentalen Elemente der Big-Data-Plattform verwalten Daten auf neue Weise verglichen mit der traditionellen relationalen Datenbank. Dies liegt daran, dass Skalierbarkeit und hohe Leistung erforderlich sind, um sowohl strukturierte als auch unstrukturierte Daten zu verwalten. Komponenten des Big-Data-Ökosystems von Hadoop bis NoSQL DB, MongoDB, Cassandra, ...

Die Wahl des Herausgebers

So ​​stellen Sie eine Verbindung zu Spotify Mobile her - Dummies

So ​​stellen Sie eine Verbindung zu Spotify Mobile her - Dummies

Die meisten modernen Smartphones sind Wi-Fi-fähig. In ein lokales Netzwerk können Sie Spotify-Tracks mithilfe von Wi-Fi auf Ihr Telefon streamen. Sie können Spotify Mobile zu Hause und über Wi-Fi-Netzwerke in Hotels und Cafés problemlos nutzen - Sie müssen nur sicherstellen, dass Sie angemeldet und verbunden sind. ...

Wie Spotify funktioniert - Dummies

Wie Spotify funktioniert - Dummies

Wie Spotify funktioniert, kann Auswirkungen auf den Festplattenspeicher Ihres Computers haben. Internetverbindung. Spotify funktioniert anders als viele andere Online-Musikdienste, weil es auf mehrere Arten angewiesen ist, um Ihnen reibungslos Musik ohne Verzögerungen zu liefern. In Computing-Sprechen, das Maß der Verzögerung zwischen Anfordern eines Songs und Hören es ...

So ​​erreichen Sie Spotify Support - Dummies

So ​​erreichen Sie Spotify Support - Dummies

Es kann vorkommen, dass Sie eine kleine Hilfe beim Navigieren und Verwenden von Spotify benötigen von deinen Spotify Freunden. Sie können jederzeit Support @ spotify per E-Mail senden. com mit Ihrer Frage oder melden Sie sich bei Twitter an und senden Sie einen Tweet an @spotify. Stellen Sie sicher, dass Sie alle Informationen einschließen, die dem Support-Team helfen könnten, einschließlich Ihres Benutzernamens, damit sie ...