İçerik Tabanlı Öneri
İçerik tabanlı öneri, bir kullanıcının daha önce beğendiği öğelerin özelliklerine benzeyen öğeleri önermektedir; bu, kullanıcının ilgi alanlarına dair bir profilin öğe içeriğinden oluşturulmasıyla gerçekleştirilmektedir.
Tanım
İçerik tabanlı öneri, bir kullanıcının bir öğeye olan ilgisini, öğenin içerik özelliklerini kullanıcının daha önce etkileşimde bulunduğu öğelerden çıkarılan tercih profiliyle karşılaştırarak tahmin etmektedir ve profile en çok benzeyen öğeleri önermektedir.
Kapsam
Bu konu, öğe açıklamalarına ve öğrenilmiş bir kullanıcı profiline dayanan öneri sistemlerini kapsamaktadır: öğelerin içerik özelliklerine göre temsil edilmesi, derecelendirilmiş veya tüketilmiş öğelerden kullanıcı profillerinin oluşturulması ve benzerlik veya denetimli öğrenme kullanılarak profillerin aday öğelerle eşleştirilmesi. Kullanıcı profilinin kalıcı bir sorgu gibi davrandığı bilgi erişimi ile olan yakın ilişkisini ve aşırı uzmanlaşma gibi karakteristik güçlü yönlerini ve sınırlamalarını ele almaktadır. Diğer kullanıcıların davranışlarını kullanan işbirlikçi yöntemleri dışlamaktadır.
Temel sorular
- Öneri için öğeler içerik özellikleriyle nasıl temsil edilmektedir?
- Bir kullanıcının beğendiği öğelerden kullanıcı profili nasıl oluşturulmaktadır?
- Aday öğeler kullanıcı profiline göre nasıl puanlanmaktadır?
- İçerik tabanlı öneri, bilgi erişimi ve filtreleme ile nasıl ilişkilidir?
- İçerik tabanlı öneri neden aşırı uzmanlaşmaya eğilim göstermektedir?
Anahtar kavramlar
- öğe içerik özellikleri
- kullanıcı profili
- tf-idf ve anahtar kelime profilleri
- profil-öğe benzerliği
- denetimli tercih öğrenimi
- aşırı uzmanlaşma
- önerilerin açıklanabilirliği
- yeni öğe işleme
Temel kuramlar
- Profil-sorgu eşleştirmesi
- Öğelerin içerik özellikleriyle ve kullanıcının beğenilen öğelerden toplanmış bir profille temsil edilmesiyle, içerik tabanlı öneri, profilin öğe kataloğuna karşı kalıcı bir sorgu gibi işlev gördüğü, erişim tarzı benzerlik eşleştirmesine indirgenmektedir.
- Güçlü yönler ve aşırı uzmanlaşma
- İçerik tabanlı yöntemler, yeni ve niş öğeleri önerebilmekte ve önerileri özelliklere göre açıklayabilmektedir; ancak yalnızca kullanıcının geçmişine benzer öğeleri ortaya çıkardıkları için, tesadüfi keşiften yoksun, dar ve aşırı uzmanlaşmış bir küme riski taşımaktadırlar.
Klinik önem
İçerik tabanlı öneri, öğe açıklamalarının zengin olduğu makaleler, ürünler, müzikler ve videolar için önerileri yönlendirmektedir ve başkalarının derecelendirmelerine bağlı olmadığı için yeni öğeleri iyi bir şekilde ele almaktadır. Her yaklaşımın zayıf yönlerini dengelemek amacıyla işbirlikçi yöntemlerle yaygın olarak birleştirilmektedir.
Tarihçe
İçerik tabanlı öneri, 1990'larda bilgi filtreleme ve erişimden doğrudan gelişmiştir ve bir kullanıcı profilini uzun süreli bir sorgu olarak ele almıştır. Pazzani ve Billsus'un genel bakışı ile Lops ve meslektaşlarının daha sonraki güncel durum araştırması, temsil ve profil öğrenme tekniklerini pekiştirmiş ve bu yaklaşım, özellikle hibrit sistemler içinde standart bir bileşen olarak kalmaya devam etmektedir.
Öne çıkan isimler
- Michael Pazzani
- Daniel Billsus
- Pasquale Lops
- Giovanni Semeraro
İlgili konular
Temel eserler
- pazzani2007
- lops2011
Sıkça sorulan sorular
- İçerik tabanlı öneri, bilgi erişimi ile nasıl ilişkilidir?
- Çok yakından ilişkilidir: kullanıcı profili bir sorgu rolünü oynamakta, öğeler belgeler rolünü oynamakta ve en iyi öğeleri önermek esasen belgeleri sorguya benzerliklerine göre sıralamaktır. Birçok içerik tabanlı yöntem, tf-idf ve kosinüs benzerliği gibi erişim temsillerini yeniden kullanmaktadır.
- İçerik tabanlı öneride aşırı uzmanlaşma nedir?
- Bu yöntem, yalnızca bir kullanıcının zaten beğendiği öğelere benzer öğeler önerdiği için, neredeyse aynı öğeleri önermeye devam edebilir ve kullanıcının hoşuna gidebilecek yeni veya şaşırtıcı öğeleri gözden kaçırabilir. Bu tesadüfi keşif eksikliği, içerik tabanlı yöntemlerin genellikle işbirlikçi filtreleme ile birleştirilmesinin temel nedenlerinden biridir.