सिफारिशकर्ता और सामग्री प्रणालियाँ
सिफारिशकर्ता प्रणालियाँ उन वस्तुओं का सुझाव देती हैं जिनमें उपयोगकर्ता की रुचि होने की संभावना है, जो व्यक्तिगत जानकारी तक पहुँच प्रदान करती हैं जो क्वेरी-संचालित खोज को पूरक करती है।
Definition
एक सिफारिशकर्ता प्रणाली वस्तुओं के लिए उपयोगकर्ता की प्राथमिकता की भविष्यवाणी करती है और सुझावों का एक क्रमबद्ध सेट प्रस्तुत करती है, जिसमें वस्तु सामग्री, उपयोगकर्ता के पिछले व्यवहार और अन्य उपयोगकर्ताओं के व्यवहार जैसे साक्ष्य का उपयोग किया जाता है, ताकि एक स्पष्ट क्वेरी की आवश्यकता के बिना व्यक्तिगत जानकारी तक पहुँच का समर्थन किया जा सके।
Scope
यह क्षेत्र उन प्रणालियों को शामिल करता है जो उपयोगकर्ताओं को सक्रिय रूप से वस्तुओं की सिफारिश करती हैं: सामग्री-आधारित सिफारिश जो वस्तुओं को उपयोगकर्ता प्रोफाइल से मिलाती है, सहयोगी फ़िल्टरिंग जो उपयोगकर्ताओं और वस्तुओं के बीच पैटर्न का फायदा उठाती है, हाइब्रिड और संदर्भ-जागरूक तरीके जो संकेतों को जोड़ते हैं और स्थिति के अनुकूल होते हैं, और सिफारिशों का मूल्यांकन। यह सिफारिश को सूचना तक पहुँच की एक वैयक्तिकरण-उन्मुख शाखा के रूप में मानता है जो पुनर्प्राप्ति से निकटता से संबंधित है, प्रतिनिधित्व और मूल्यांकन विचारों को साझा करता है जबकि एक स्पष्ट क्वेरी के बिना वस्तुओं का सुझाव देने की विशिष्ट समस्या का समाधान करता है।
Sub-topics
Core questions
- स्पष्ट रेटिंग और निहित व्यवहार से उपयोगकर्ता की प्राथमिकताओं का अनुमान कैसे लगाया जाता है?
- सामग्री-आधारित सिफारिश सहयोगी फ़िल्टरिंग से कैसे भिन्न है?
- सहयोगी तरीके कई उपयोगकर्ताओं और वस्तुओं के बीच पैटर्न का फायदा कैसे उठाते हैं?
- सामग्री, व्यवहारिक और प्रासंगिक संकेतों को कैसे जोड़ा जाता है?
- भविष्य कहनेवाला सटीकता से परे सिफारिश की गुणवत्ता को कैसे मापा जाता है?
Key concepts
- उपयोगकर्ता और वस्तु प्रोफाइल
- स्पष्ट और निहित प्रतिक्रिया
- सामग्री-आधारित सिफारिश
- सहयोगी फ़िल्टरिंग
- मैट्रिक्स फैक्टराइजेशन / अव्यक्त कारक
- कोल्ड-स्टार्ट समस्या
- संदर्भ-जागरूक सिफारिश
- सिफारिश रैंकिंग और विविधता
Key theories
- सामग्री-आधारित बनाम सहयोगी फ़िल्टरिंग
- सामग्री-आधारित तरीके वस्तु सुविधाओं का उपयोग करके उन वस्तुओं की सिफारिश करते हैं जो उपयोगकर्ता को पसंद थीं, जबकि सहयोगी फ़िल्टरिंग उपयोगकर्ता-वस्तु इंटरैक्शन मैट्रिक्स का उपयोग करके उन वस्तुओं की सिफारिश करती है जो समान उपयोगकर्ताओं को पसंद थीं, प्रत्येक की पूरक ताकतें और कमजोरियाँ हैं।
- मैट्रिक्स फैक्टराइजेशन और अव्यक्त-कारक मॉडल
- सहयोगी फ़िल्टरिंग को विरल उपयोगकर्ता-वस्तु रेटिंग मैट्रिक्स को कम-आयामी उपयोगकर्ता और वस्तु कारकों में फैक्टरिंग के रूप में देखा जा सकता है, जिनके डॉट उत्पाद प्राथमिकताओं की भविष्यवाणी करते हैं, जो आधुनिक सिफारिश के लिए एक केंद्रीय तकनीक है।
Clinical relevance
सिफारिशकर्ता प्रणालियाँ ई-कॉमर्स, स्ट्रीमिंग मीडिया, समाचार, सामाजिक प्लेटफार्मों और ऑनलाइन विज्ञापन के लिए केंद्रीय हैं, जो उपयोगकर्ताओं को ऑनलाइन मिलने वाली अधिकांश चीज़ों को आकार देती हैं। वे पुनर्प्राप्ति के साथ प्रतिनिधित्व, रैंकिंग और मूल्यांकन विधियों को साझा करती हैं, और विविधता, निष्पक्षता और फ़िल्टर बुलबुले जैसी चिंताएँ उनके डिजाइन को महत्वपूर्ण बनाती हैं।
History
सिफारिशकर्ता प्रणालियाँ 1990 के दशक के मध्य में GroupLens जैसे शुरुआती सहयोगी-फ़िल्टरिंग प्रणालियों के साथ उभरीं। नेटफ्लिक्स प्राइज प्रतियोगिता (2006-2009) ने मैट्रिक्स-फैक्टराइजेशन विधियों में प्रमुख प्रगति को बढ़ावा दिया, और यह क्षेत्र सामग्री-आधारित, सहयोगी, हाइब्रिड और संदर्भ-जागरूक दृष्टिकोणों को शामिल करते हुए एक व्यापक अनुशासन में परिपक्व हुआ, जिसे व्यापक हैंडबुक और पाठ्यपुस्तकों में समेकित किया गया।
Key figures
- Joseph Konstan
- John Riedl
- Gediminas Adomavicius
- Charu Aggarwal
- Francesco Ricci
Related topics
Seminal works
- ricci2015
- adomavicius2005
- ekstrand2011
Frequently asked questions
- सिफारिश खोज से कैसे भिन्न है?
- खोज एक तत्काल आवश्यकता व्यक्त करने वाली एक स्पष्ट क्वेरी का जवाब देती है, जबकि सिफारिश उपयोगकर्ता की अनुमानित प्राथमिकताओं और संदर्भ के आधार पर सक्रिय रूप से वस्तुओं का सुझाव देती है, अक्सर बिना किसी क्वेरी के। वे प्रतिनिधित्व और रैंकिंग मशीनरी साझा करते हैं लेकिन विभिन्न सूचना-पहुँच समस्याओं को हल करते हैं।
- कोल्ड-स्टार्ट समस्या क्या है?
- कोल्ड स्टार्ट नए उपयोगकर्ताओं या नई वस्तुओं के लिए सिफारिश करने की कठिनाई है जिसमें बहुत कम या कोई इंटरैक्शन इतिहास नहीं है। सीखने के लिए कोई रेटिंग या व्यवहार न होने पर, सहयोगी तरीके संघर्ष करते हैं, यही कारण है कि अंतर को पाटने के लिए अक्सर सामग्री-आधारित सुविधाओं और हाइब्रिड दृष्टिकोणों का उपयोग किया जाता है।