În luna mai a acestui an, compania Seznam.cz va organiza un workshop în limba engleză intitulat „Sisteme de recomandare și reprezentări ale utilizatorilor” la o conferință științifică Machine Learning Praga 2022. Participanții la întâlnire a se familiariza cu stadiul actual al cercetării privind sistemele de recomandare, inclusiv arhitecturile de învățare profundăeurorețele noi folosite în ele. Seminarul va include o parte practică, în cadrul căreia participanții vor putea exersa respirația profundă.euroo nouă rețea pe care o aplică pentru a rezolva problema recomandării de știri privind seturile de date pregătite. Explicația și partea practică se vor concentra apoi pe rezolvarea unor probleme practice selectate de recomandare, în special pe rezolvarea așa-numitelor „pornirea la rece” a problemei folosind metode de reprezentare a utilizatorului.
O privire de ansamblu asupra sistemelor de recomandare
Dacă ați vizitat recent orice portal de știri, site tematic sau ați făcut cumpărături într-un magazin online, este posibil să fi întâlnit o ofertă de articole sau produse care au fost marcate ca „articole preferate”, „produse similare” sau chiar „utilizatori cărora le plac au cumpărat acest produs, au fost și ei interesați de aceste produse”. În toate cazurile, aceste articole prezentate v-au fost prezentate sisteme de recomandare (DS), care sunt utilizate pe scară largă de furnizorii de servicii online în prezent.
O interogare tipică de căutare a unui produs fără utilizarea DS poate returna sute până la mii de articole (exemplu ilustrativ de căutare a „pantofi de alergare pentru bărbați” pe Zboží.cz)
Oferte de servicii online în ultimul deceniu crescut cu mai mult de un ordin de mărime iar numărul de articole (produse din magazine online, articole de pe portaluri de știri etc.) oferite de un serviciu online individual poate fi de ordinul sutelor de mii până la milioane. Pro Pentru utilizatorul obișnuit de internet, alegerea dintr-un număr atât de mare de produse și servicii a devenit o sarcină foarte dificilă și neplăcută.onem – un studiu de psihologie des citat din 2000 pe baza unor experimente bine concepute, ea a ajuns la concluzia că prea multă alegere în luarea deciziilor are de obicei un efect respingător. Sistemele de recomandare au fost concepute ca un răspuns de către companiile de tehnologie la această situație. Un sistem de recomandare proiectat corespunzător va simplifica și va face selectarea de către utilizator a serviciilor și produselor țintă mai eficientă. Acest lucru oferă utilizatorului un sentiment pozitiv despre utilizarea serviciului, iar acest lucru se va reflecta cel mai probabil în timpul mai lung petrecut pe site-ul furnizorului de servicii, în numărul mai mare de servicii, articole sau produse pe care le vede și, desigur, în cantitatea a vânzărilor pe care furnizorul de servicii le înregistrează.
Istoria sistemelor de recomandare datează din anii 70, când au început să apară primele articole științifice despre metode de recomandare. Dezvoltarea rapidă a DS și punerea lor în funcțiune masivă a avut loc la începutul mileniului, adică într-o perioadă în care proiectele mari de comerț electronic au început să se apropie de profitabilitate. În ultimul deceniu, abordările bazate pe analiza datelor și odată cu acestea tehnologiile de învățare automată au predominat în mod clar în DS.
společnost Seznam.cz folosește un sistem de recomandare în rețeaua sa de conținut din 2016 și oferă recomandări ca serviciu din 2019 „Lista de recomandări” pentru site-urile partenere. Studiu de caz din 2019 raportează o creștere cu 22% a cititorilor de articole de pe site-ul web după lansarea serviciului.
Exemplu de două ieșiri DS dintr-o pagină www.seznam.cz – compararea link-urilor generate fără informații despre utilizator (partea stângă a imaginii) cu link-uri personalizate de DS adaptate utilizatorului (bărbat, 30 de ani, interesat de tehnologie și segmentul auto-moto).
Un alt impact semnificativ al dezvoltării rapide a DS în ultimul deceniu este cererea din ce în ce mai mare de profesioniști IT cu cunoștințe de specialitate în domeniul învățării automate pentru utilizarea în sistemele de recomandare. De exemplu, căutarea de oportunități de angajare pe rețeaua profesională LinkedIn folosind interogarea „tehnologie de recomandare” va returna câteva sute de oportunități de angajare. Seznam.cz în acest domeniu oferă imediat mai multe posturi.
Oportunități de angajare pe Linkedin.com căutate pentru „tehnologia de recomandare”.
