ระบบแนะนำตามเนื้อหา (Content-Based Recommendation)

ระบบแนะนำตามเนื้อหาจะแนะนำรายการที่มีคุณสมบัติคล้ายคลึงกับรายการที่ผู้ใช้เคยชื่นชอบ โดยสร้างโปรไฟล์ความสนใจของผู้ใช้จากเนื้อหาของรายการนั้นๆ

Definition

ระบบแนะนำตามเนื้อหาจะคาดการณ์ความสนใจของผู้ใช้ในรายการโดยการเปรียบเทียบคุณสมบัติเนื้อหาของรายการกับโปรไฟล์ความชอบของผู้ใช้ที่อนุมานจากรายการที่ผู้ใช้เคยมีปฏิสัมพันธ์ด้วย โดยจะแนะนำรายการที่คล้ายคลึงกับโปรไฟล์มากที่สุด

Scope

หัวข้อนี้ครอบคลุมการแนะนำที่อาศัยคำอธิบายรายการและโปรไฟล์ผู้ใช้ที่เรียนรู้มา: การนำเสนอรายการด้วยคุณสมบัติเนื้อหา การสร้างโปรไฟล์ผู้ใช้จากรายการที่ให้คะแนนหรือบริโภคไปแล้ว และการจับคู่โปรไฟล์กับรายการที่คาดว่าจะแนะนำโดยใช้ความคล้ายคลึงหรือการเรียนรู้แบบมีผู้สอน หัวข้อนี้กล่าวถึงความสัมพันธ์ที่ใกล้ชิดกับการค้นคืนสารสนเทศ ซึ่งโปรไฟล์ผู้ใช้ทำหน้าที่เหมือนการสอบถามแบบถาวร และจุดแข็งและข้อจำกัดที่โดดเด่น เช่น การเชี่ยวชาญเฉพาะด้านมากเกินไป (over-specialization) หัวข้อนี้ไม่รวมวิธีการทำงานร่วมกันที่ใช้พฤติกรรมของผู้ใช้รายอื่น

Core questions

• รายการถูกนำเสนอด้วยคุณสมบัติเนื้อหาสำหรับการแนะนำได้อย่างไร?
• โปรไฟล์ผู้ใช้ถูกสร้างขึ้นจากรายการที่ผู้ใช้ชื่นชอบได้อย่างไร?
• รายการที่คาดว่าจะแนะนำถูกให้คะแนนเทียบกับโปรไฟล์ผู้ใช้อย่างไร?
• ระบบแนะนำตามเนื้อหามีความสัมพันธ์กับการค้นคืนและการกรองสารสนเทศอย่างไร?
• เหตุใดระบบแนะนำตามเนื้อหาจึงมีแนวโน้มที่จะเชี่ยวชาญเฉพาะด้านมากเกินไป (over-specialization)?

Key concepts

• คุณสมบัติเนื้อหารายการ
• โปรไฟล์ผู้ใช้
• โปรไฟล์ tf-idf และคำสำคัญ
• ความคล้ายคลึงระหว่างโปรไฟล์กับรายการ
• การเรียนรู้ความชอบแบบมีผู้สอน
• การเชี่ยวชาญเฉพาะด้านมากเกินไป (over-specialization)
• ความสามารถในการอธิบายคำแนะนำ
• การจัดการรายการใหม่

Key theories

การจับคู่โปรไฟล์ในฐานะการสอบถาม

โดยการนำเสนอรายการด้วยคุณสมบัติเนื้อหาและผู้ใช้ด้วยโปรไฟล์ที่รวบรวมจากรายการที่ชื่นชอบ ระบบแนะนำตามเนื้อหาจะลดลงเป็นการจับคู่ความคล้ายคลึงแบบการค้นคืน ซึ่งโปรไฟล์ทำหน้าที่เหมือนการสอบถามแบบถาวรกับแคตตาล็อกรายการ

จุดแข็งและการเชี่ยวชาญเฉพาะด้านมากเกินไป

วิธีการตามเนื้อหาสามารถแนะนำรายการใหม่และรายการเฉพาะกลุ่ม และอธิบายคำแนะนำด้วยคุณสมบัติได้ แต่เนื่องจากวิธีการเหล่านี้แสดงเฉพาะรายการที่คล้ายคลึงกับประวัติของผู้ใช้เท่านั้น จึงอาจมีความเสี่ยงที่จะได้ชุดรายการที่แคบและเชี่ยวชาญเฉพาะด้านมากเกินไป ซึ่งขาดความบังเอิญที่น่าสนใจ (serendipity)

Clinical relevance

ระบบแนะนำตามเนื้อหาขับเคลื่อนการแนะนำบทความ ผลิตภัณฑ์ เพลง และวิดีโอที่คำอธิบายรายการมีความสมบูรณ์ และสามารถจัดการกับรายการใหม่ได้ดีเนื่องจากไม่ขึ้นอยู่กับการให้คะแนนของผู้อื่น โดยทั่วไปมักจะถูกนำไปรวมกับวิธีการทำงานร่วมกันเพื่อชดเชยจุดอ่อนของแต่ละแนวทาง

History

ระบบแนะนำตามเนื้อหาพัฒนาโดยตรงมาจากการกรองและการค้นคืนสารสนเทศในช่วงทศวรรษ 1990 โดยถือว่าโปรไฟล์ผู้ใช้เป็นการสอบถามที่คงอยู่ยาวนาน บทความภาพรวมของ Pazzani และ Billsus และการสำรวจสถานะศิลปะในภายหลังโดย Lops และคณะ ได้รวบรวมเทคนิคการนำเสนอและการเรียนรู้โปรไฟล์ และแนวทางนี้ยังคงเป็นองค์ประกอบมาตรฐาน โดยเฉพาะอย่างยิ่งในระบบไฮบริด

Key figures

• Michael Pazzani
• Daniel Billsus
• Pasquale Lops
• Giovanni Semeraro

Seminal works

• pazzani2007
• lops2011

Frequently asked questions

ระบบแนะนำตามเนื้อหามีความเกี่ยวข้องกับการค้นคืนสารสนเทศอย่างไร?

มีความเกี่ยวข้องอย่างใกล้ชิดมาก: โปรไฟล์ผู้ใช้มีบทบาทเป็นคำค้นหา รายการมีบทบาทเป็นเอกสาร และการแนะนำรายการที่ดีที่สุดโดยพื้นฐานแล้วคือการจัดอันดับเอกสารตามความคล้ายคลึงกับคำค้นหา วิธีการตามเนื้อหาหลายวิธีนำการนำเสนอการค้นคืนกลับมาใช้ใหม่ เช่น tf-idf และความคล้ายคลึงโคไซน์

การเชี่ยวชาญเฉพาะด้านมากเกินไป (over-specialization) ในระบบแนะนำตามเนื้อหาคืออะไร?

เนื่องจากวิธีการนี้แนะนำเฉพาะรายการที่คล้ายคลึงกับสิ่งที่ผู้ใช้เคยชอบเท่านั้น จึงอาจแนะนำรายการที่ซ้ำกันใกล้เคียงและพลาดรายการใหม่หรือน่าประหลาดใจที่ผู้ใช้อาจชื่นชอบได้ การขาดความบังเอิญที่น่าสนใจ (serendipity) นี้เป็นเหตุผลสำคัญที่วิธีการตามเนื้อหามักถูกนำไปรวมกับการกรองแบบร่วมมือ (collaborative filtering)