ระบบแนะนำแบบลูกผสมและแบบคำนึงถึงบริบท

ระบบแนะนำแบบลูกผสมผสานกลยุทธ์การแนะนำหลายอย่างเข้าด้วยกันเพื่อชดเชยจุดอ่อนของแต่ละวิธี และระบบแนะนำแบบคำนึงถึงบริบทจะปรับคำแนะนำให้เข้ากับสถานการณ์ของผู้ใช้

Definition

ระบบแนะนำแบบลูกผสม (hybrid recommender) คือการรวมเทคนิคการแนะนำสองอย่างขึ้นไปเข้าด้วยกันเพื่อสร้างคำแนะนำที่ดีกว่าวิธีใดวิธีหนึ่งเพียงอย่างเดียว และระบบแนะนำแบบคำนึงถึงบริบท (context-aware recommender) คือการรวมข้อมูลเชิงบริบทที่นอกเหนือจากข้อมูลประจำตัวของผู้ใช้และรายการ เช่น เวลา, สถานที่, อารมณ์, หรือบริษัท เข้าสู่กระบวนการแนะนำ

Scope

หัวข้อนี้ครอบคลุมส่วนเสริมสองส่วนที่ส่งเสริมกันของระบบแนะนำพื้นฐาน: ระบบลูกผสมที่รวมเทคนิคที่อิงตามเนื้อหา, การทำงานร่วมกัน, และเทคนิคอื่น ๆ ผ่านกลยุทธ์ต่าง ๆ เช่น การถ่วงน้ำหนัก, การสลับ, การรวมคุณสมบัติ, และการเรียงซ้อน; และระบบแนะนำที่คำนึงถึงบริบทซึ่งรวมปัจจัยเชิงบริบท เช่น เวลา, สถานที่, และอุปกรณ์ เข้ากับการคาดการณ์ โดยจะกล่าวถึงวิธีการรวมและการจัดบริบทของสัญญาณเพื่อปรับปรุงความแม่นยำและความทนทาน โดยเฉพาะอย่างยิ่งในการแก้ปัญหา cold start ในขณะที่ปล่อยให้วิธีการพื้นฐานและการประเมินผลเป็นหัวข้อที่เกี่ยวข้อง

Core questions

• เหตุใดจึงควรรวมวิธีการที่อิงตามเนื้อหาและการทำงานร่วมกัน แทนที่จะใช้วิธีใดวิธีหนึ่งเพียงอย่างเดียว?
• มีกลยุทธ์ใดบ้างสำหรับการผสมผสานระบบแนะนำ เช่น การถ่วงน้ำหนัก, การสลับ, และการเรียงซ้อน?
• การเพิ่มบริบท เช่น เวลาหรือสถานที่ เปลี่ยนแปลงคำแนะนำอย่างไร?
• จะสามารถสร้างแบบจำลองบริบทเป็นการกรองล่วงหน้า, การกรองภายหลัง, หรือการสร้างแบบจำลองเชิงบริบทได้อย่างไร?
• วิธีการแบบลูกผสมและแบบคำนึงถึงบริบทช่วยแก้ปัญหา cold start และความทนทานได้อย่างไร?

Key concepts

• การแนะนำแบบลูกผสม
• ระบบลูกผสมแบบถ่วงน้ำหนักและแบบสลับ
• ระบบลูกผสมแบบเรียงซ้อนและการรวมคุณสมบัติ
• การแนะนำที่คำนึงถึงบริบท
• การกรองล่วงหน้าและกรองภายหลังเชิงบริบท
• การสร้างแบบจำลองเชิงบริบท
• การบรรเทาปัญหา cold start
• แบบจำลองความชอบแบบหลายมิติ

Key theories

กลยุทธ์การผสมผสาน

ระบบแนะนำสามารถรวมกันได้โดยการผสมผสานคะแนน (แบบถ่วงน้ำหนัก), การเลือกใช้ตามสถานการณ์ (แบบสลับ), การนำผลลัพธ์ของวิธีหนึ่งไปใช้กับอีกวิธีหนึ่ง (แบบเรียงซ้อนหรือการเสริมคุณสมบัติ), หรือการรวมคุณสมบัติเข้าด้วยกัน โดยกลยุทธ์ที่เหมาะสมจะช่วยลดจุดอ่อนของแต่ละองค์ประกอบ

กระบวนทัศน์การแนะนำที่คำนึงถึงบริบท

บริบทสามารถรวมเข้าได้โดยการกรองข้อมูลก่อนการแนะนำ (การกรองล่วงหน้าเชิงบริบท), การปรับผลลัพธ์หลังจากนั้น (การกรองภายหลัง), หรือการสร้างแบบจำลองบริบทโดยตรงภายในแบบจำลองความชอบแบบหลายมิติ (การสร้างแบบจำลองเชิงบริบท)

Clinical relevance

ระบบแนะนำที่ใช้ในการผลิตส่วนใหญ่เป็นแบบลูกผสม โดยผสมผสานสัญญาณจากการทำงานร่วมกัน, เนื้อหา, และพฤติกรรม และปรับให้เข้ากับบริบท เช่น อุปกรณ์, ช่วงเวลาของวัน, และกิจกรรมล่าสุด เทคนิคเหล่านี้ช่วยปรับปรุงความแม่นยำ, จัดการกับปัญหา cold start, และปรับแต่งคำแนะนำให้เข้ากับสถานการณ์ ซึ่งเป็นสิ่งสำคัญในบริการมือถือและการสตรีมมิ่ง

History

การสำรวจของ Burke ในปี 2002 ได้จัดระบบกลยุทธ์การผสมผสานในขณะที่นักวิจัยตระหนักว่าไม่มีเทคนิคการแนะนำใดที่เหมาะสมที่สุดเสมอไป การแนะนำที่คำนึงถึงบริบทพัฒนาขึ้นตลอดช่วงทศวรรษ 2000 โดย Adomavicius และ Tuzhilin ได้ทำให้เป็นทางการ เมื่อการประมวลผลบนมือถือและทุกที่ทุกเวลาทำให้สัญญาณสถานการณ์พร้อมใช้งาน การออกแบบแบบลูกผสมที่คำนึงถึงบริบทจึงกลายเป็นมาตรฐานในระบบที่ใช้งานจริง

Key figures

• Robin Burke
• Gediminas Adomavicius
• Alexander Tuzhilin
• Francesco Ricci

Seminal works

• burke2002
• adomavicius2011
• ricci2015

Frequently asked questions

เหตุใดระบบแนะนำส่วนใหญ่จึงเป็นแบบลูกผสม?

แต่ละเทคนิคมีจุดอ่อน: วิธีการที่อิงตามเนื้อหามักจะเฉพาะเจาะจงเกินไป และวิธีการทำงานร่วมกันประสบปัญหา cold start และความเบาบาง การรวมเข้าด้วยกันทำให้จุดแข็งของวิธีหนึ่งสามารถครอบคลุมจุดอ่อนของอีกวิธีหนึ่งได้ ซึ่งโดยทั่วไปแล้วจะให้คำแนะนำที่แม่นยำและทนทานกว่าวิธีใดวิธีหนึ่งเพียงอย่างเดียว

อะไรคือบริบทในการแนะนำที่คำนึงถึงบริบท?

บริบทคือข้อมูลสถานการณ์ใด ๆ ที่นอกเหนือจากข้อมูลประจำตัวของผู้ใช้และรายการที่ส่งผลต่อความชอบ เช่น เวลา, สถานที่, อุปกรณ์, สภาพอากาศ, หรือผู้ที่ผู้ใช้กำลังอยู่ด้วย การรวมบริบทเข้าด้วยกันทำให้ระบบสามารถแนะนำแตกต่างกันได้ เช่น สำหรับการเดินทางไปทำงานในวันธรรมดาเทียบกับช่วงเย็นวันหยุดสุดสัปดาห์