हाइब्रिड और संदर्भ-जागरूक अनुशंसाकर्ता
हाइब्रिड अनुशंसाकर्ता अपनी व्यक्तिगत कमजोरियों को दूर करने के लिए कई अनुशंसा रणनीतियों को जोड़ते हैं, और संदर्भ-जागरूक अनुशंसाकर्ता उपयोगकर्ता की स्थिति के अनुसार सुझावों को अनुकूलित करते हैं।
Definition
एक हाइब्रिड अनुशंसाकर्ता किसी भी एक विधि की तुलना में बेहतर सुझाव उत्पन्न करने के लिए दो या दो से अधिक अनुशंसा तकनीकों को जोड़ता है, और एक संदर्भ-जागरूक अनुशंसाकर्ता अनुशंसा प्रक्रिया में उपयोगकर्ता और आइटम पहचान से परे प्रासंगिक जानकारी, जैसे कि समय, स्थान, मनोदशा या कंपनी को शामिल करता है।
Scope
यह विषय बुनियादी अनुशंसा के दो पूरक विस्तारों को शामिल करता है: हाइब्रिड सिस्टम जो वजन, स्विचिंग, फीचर संयोजन और कैस्केडिंग जैसी रणनीतियों के माध्यम से सामग्री-आधारित, सहयोगात्मक और अन्य तकनीकों को एकीकृत करते हैं; और संदर्भ-जागरूक अनुशंसा जो भविष्यवाणी में समय, स्थान और डिवाइस जैसे प्रासंगिक कारकों को शामिल करती है। यह बताता है कि संकेतों को संयोजित करना और प्रासंगिक बनाना सटीकता और मजबूती में कैसे सुधार करता है, विशेष रूप से कोल्ड स्टार्ट के खिलाफ, जबकि आधार विधियों और मूल्यांकन को आसन्न विषयों पर छोड़ देता है।
Core questions
- अकेले एक का उपयोग करने के बजाय सामग्री-आधारित और सहयोगात्मक विधियों को क्यों जोड़ा जाए?
- अनुशंसाकर्ताओं को हाइब्रिड करने के लिए कौन सी रणनीतियाँ मौजूद हैं, जैसे कि वजन, स्विचिंग और कैस्केडिंग?
- समय या स्थान जैसे संदर्भ को जोड़ने से अनुशंसाओं में कैसे बदलाव आता है?
- संदर्भ को प्री-फ़िल्टरिंग, पोस्ट-फ़िल्टरिंग या प्रासंगिक मॉडलिंग के रूप में कैसे मॉडल किया जा सकता है?
- हाइब्रिड और संदर्भ-जागरूक विधियाँ कोल्ड स्टार्ट और मजबूती में कैसे मदद करती हैं?
Key concepts
- हाइब्रिड अनुशंसा
- भारित और स्विचिंग हाइब्रिड
- कैस्केड और फीचर-संयोजन हाइब्रिड
- संदर्भ-जागरूक अनुशंसा
- प्रासंगिक प्री-फ़िल्टरिंग और पोस्ट-फ़िल्टरिंग
- प्रासंगिक मॉडलिंग
- कोल्ड-स्टार्ट शमन
- बहुआयामी वरीयता मॉडल
Key theories
- संकरण रणनीतियाँ
- अनुशंसाकर्ताओं को उनके स्कोर को मिलाकर (भारित), स्थिति के अनुसार उनमें से चुनकर (स्विचिंग), एक के आउटपुट को दूसरे में फीड करके (कैस्केड या फीचर संवर्धन), या उनकी विशेषताओं को मर्ज करके जोड़ा जा सकता है, जिसमें सही रणनीति प्रत्येक घटक की कमजोरियों को कम करती है।
- संदर्भ-जागरूक अनुशंसा प्रतिमान
- संदर्भ को अनुशंसा करने से पहले डेटा को फ़िल्टर करके (प्रासंगिक प्री-फ़िल्टरिंग), बाद में परिणामों को समायोजित करके (पोस्ट-फ़िल्टरिंग), या बहुआयामी वरीयता मॉडल (प्रासंगिक मॉडलिंग) के भीतर सीधे संदर्भ को मॉडल करके शामिल किया जा सकता है।
Clinical relevance
अधिकांश उत्पादन अनुशंसाकर्ता सिस्टम हाइब्रिड होते हैं, जो सहयोगात्मक, सामग्री और व्यवहारिक संकेतों को मिलाते हैं और डिवाइस, दिन के समय और हाल की गतिविधि जैसे संदर्भ के अनुकूल होते हैं। ये तकनीकें सटीकता में सुधार करती हैं, कोल्ड स्टार्ट को संभालती हैं, और सुझावों को क्षण के अनुसार अनुकूलित करती हैं, जो मोबाइल और स्ट्रीमिंग सेवाओं में आवश्यक है।
History
बर्क के 2002 के सर्वेक्षण ने संकरण रणनीतियों को व्यवस्थित किया क्योंकि शोधकर्ताओं ने महसूस किया कि कोई भी एकल अनुशंसा तकनीक समान रूप से सबसे अच्छी नहीं थी। 2000 के दशक में संदर्भ-जागरूक अनुशंसा विकसित हुई, जिसे एडोमावियस और तुज़िलिन द्वारा औपचारिक रूप दिया गया, क्योंकि मोबाइल और सर्वव्यापी कंप्यूटिंग ने स्थितिजन्य संकेतों को उपलब्ध कराया। हाइब्रिड, संदर्भ-जागरूक डिज़ाइन अब तैनात प्रणालियों में मानक हैं।
Key figures
- Robin Burke
- Gediminas Adomavicius
- Alexander Tuzhilin
- Francesco Ricci
Related topics
Seminal works
- burke2002
- adomavicius2011
- ricci2015
Frequently asked questions
- अधिकांश वास्तविक अनुशंसाकर्ता सिस्टम हाइब्रिड क्यों होते हैं?
- प्रत्येक तकनीक की अपनी कमजोरियाँ होती हैं: सामग्री-आधारित विधियाँ अत्यधिक विशिष्ट होती हैं, और सहयोगात्मक विधियाँ कोल्ड स्टार्ट और विरलता से जूझती हैं। उन्हें संयोजित करने से एक की ताकत दूसरे की कमजोरियों को कवर कर पाती है, जिससे आमतौर पर किसी भी एक विधि की तुलना में अधिक सटीक और मजबूत अनुशंसाएँ प्राप्त होती हैं।
- संदर्भ-जागरूक अनुशंसा में संदर्भ के रूप में क्या गिना जाता है?
- संदर्भ उपयोगकर्ता और आइटम पहचान से परे कोई भी स्थितिजन्य जानकारी है जो वरीयताओं को प्रभावित करती है, जैसे कि समय, स्थान, डिवाइस, मौसम, या उपयोगकर्ता किसके साथ है। इसे शामिल करने से एक सिस्टम, उदाहरण के लिए, एक कार्यदिवस के आवागमन बनाम एक सप्ताहांत की शाम के लिए अलग तरह से अनुशंसा कर सकता है।