Hệ thống gợi ý và nội dung
Hệ thống gợi ý đề xuất các mục có khả năng thu hút người dùng, cung cấp quyền truy cập thông tin được cá nhân hóa, bổ sung cho tìm kiếm dựa trên truy vấn.
Definition
Hệ thống gợi ý dự đoán sở thích của người dùng đối với các mục và trình bày một tập hợp các đề xuất được xếp hạng, sử dụng các bằng chứng như nội dung mục, hành vi trước đây của người dùng và hành vi của những người dùng khác, để hỗ trợ truy cập thông tin được cá nhân hóa mà không yêu cầu truy vấn rõ ràng.
Scope
Lĩnh vực này bao gồm các hệ thống chủ động đề xuất các mục cho người dùng: gợi ý dựa trên nội dung khớp các mục với hồ sơ người dùng, lọc cộng tác khai thác các mẫu trên nhiều người dùng và mục, các phương pháp lai và nhận biết ngữ cảnh kết hợp các tín hiệu và thích ứng với tình huống, và đánh giá các đề xuất. Nó coi gợi ý là một nhánh của truy cập thông tin định hướng cá nhân hóa, liên quan chặt chẽ đến truy xuất, chia sẻ các biểu diễn và ý tưởng đánh giá trong khi giải quyết vấn đề riêng biệt là đề xuất các mục mà không có truy vấn rõ ràng.
Sub-topics
Core questions
- Làm thế nào để suy ra sở thích của người dùng từ các xếp hạng rõ ràng và hành vi ngầm định?
- Gợi ý dựa trên nội dung khác với lọc cộng tác như thế nào?
- Các phương pháp cộng tác khai thác các mẫu trên nhiều người dùng và mục như thế nào?
- Các tín hiệu nội dung, hành vi và ngữ cảnh được kết hợp như thế nào?
- Chất lượng gợi ý được đo lường như thế nào ngoài độ chính xác dự đoán?
Key concepts
- hồ sơ người dùng và mục
- phản hồi rõ ràng và ngầm định
- gợi ý dựa trên nội dung
- lọc cộng tác
- phân tích ma trận / các yếu tố tiềm ẩn
- vấn đề khởi động lạnh
- gợi ý nhận biết ngữ cảnh
- xếp hạng và đa dạng gợi ý
Key theories
- Lọc dựa trên nội dung so với lọc cộng tác
- Các phương pháp dựa trên nội dung đề xuất các mục tương tự như những mục mà người dùng đã thích bằng cách sử dụng các đặc điểm của mục, trong khi lọc cộng tác đề xuất các mục mà những người dùng tương tự đã thích bằng cách sử dụng ma trận tương tác người dùng-mục, mỗi phương pháp có những điểm mạnh và điểm yếu bổ sung.
- Phân tích ma trận và các mô hình yếu tố tiềm ẩn
- Lọc cộng tác có thể được coi là việc phân tích ma trận xếp hạng người dùng-mục thưa thớt thành các yếu tố người dùng và mục có chiều thấp, mà tích vô hướng của chúng dự đoán sở thích, một kỹ thuật trung tâm cho gợi ý hiện đại.
Clinical relevance
Hệ thống gợi ý là trọng tâm của thương mại điện tử, truyền thông trực tuyến, tin tức, nền tảng xã hội và quảng cáo trực tuyến, định hình phần lớn những gì người dùng gặp phải trực tuyến. Chúng chia sẻ các biểu diễn, xếp hạng và phương pháp đánh giá với truy xuất, và các mối quan tâm như sự đa dạng, công bằng và các bong bóng lọc làm cho thiết kế của chúng trở nên quan trọng.
History
Hệ thống gợi ý xuất hiện vào giữa những năm 1990 với các hệ thống lọc cộng tác ban đầu như GroupLens. Cuộc thi Netflix Prize (2006-2009) đã thúc đẩy những tiến bộ lớn trong các phương pháp phân tích ma trận, và lĩnh vực này đã trưởng thành thành một ngành rộng lớn bao gồm các phương pháp dựa trên nội dung, cộng tác, lai và nhận biết ngữ cảnh, được củng cố trong các sổ tay và sách giáo khoa toàn diện.
Key figures
- Joseph Konstan
- John Riedl
- Gediminas Adomavicius
- Charu Aggarwal
- Francesco Ricci
Related topics
Seminal works
- ricci2015
- adomavicius2005
- ekstrand2011
Frequently asked questions
- Gợi ý khác với tìm kiếm như thế nào?
- Tìm kiếm phản hồi một truy vấn rõ ràng thể hiện một nhu cầu tức thời, trong khi gợi ý chủ động đề xuất các mục dựa trên sở thích và ngữ cảnh được suy ra của người dùng, thường không có bất kỳ truy vấn nào. Chúng chia sẻ các biểu diễn và cơ chế xếp hạng nhưng giải quyết các vấn đề truy cập thông tin khác nhau.
- Vấn đề khởi động lạnh là gì?
- Khởi động lạnh là khó khăn trong việc gợi ý cho người dùng mới hoặc các mục mới có ít hoặc không có lịch sử tương tác. Khi không có xếp hạng hoặc hành vi để học hỏi, các phương pháp cộng tác gặp khó khăn, đó là lý do tại sao các tính năng dựa trên nội dung và các phương pháp lai thường được sử dụng để khắc phục khoảng cách này.