В мае этого года компания Seznam.cz организует семинар на английском языке под названием "Рекомендательные системы и представления пользователей» на научной конференции Machine Learning Прага 2022. Участники встречи знакомиться с текущим состоянием исследований рекомендательных систем, включая архитектуры глубокого обученияeuroв них используются новые сети. Семинар будет включать практическую часть, в ходе которой участники смогут практиковать глубокое дыхание.euroновая сеть, которую они применяют для решения проблемы рекомендации новостей на основе подготовленных наборов данных. Объяснительная и практическая часть затем будут сосредоточены на решении выбранных практических задач рекомендации, особенно на решении так называемых «холодный старт» проблемы с использованием методов представления пользователя.
Обзор рекомендательных систем
Если вы недавно посещали новостной портал, тематический сайт или совершали покупки в интернет-магазине, вы могли наткнуться на список статей или товаров, помеченных как «популярные статьи», «похожие товары» или даже «пользователи, купившие этот товар, также интересовались этими товарами». Во всех случаях эти предложения были представлены вам рекомендательными системами (РС), которые сегодня широко используются поставщиками онлайн-услуг.
Типичный поисковый запрос продукта без использования DS может вернуть от сотен до тысяч товаров (иллюстративный пример поиска «мужские кроссовки» на Zboží.cz).
Предложения онлайн-услуг за последнее десятилетие увеличился более чем на порядок а количество товаров (продукция интернет-магазина, статьи новостного портала и т. д.), предлагаемых отдельным онлайн-сервисом, может составлять от сотен тысяч до миллионов. Pro Для среднестатистического пользователя Интернета выбор из такого огромного количества товаров и услуг стал очень сложной и неприятной задачей.oneм - часто цитируемое психологическое исследование 2000 года основываясь на хорошо спланированных экспериментах, она пришла к выводу, что слишком широкий выбор при принятии решений обычно имеет отталкивающий эффект. Рекомендательные системы были разработаны технологическими компаниями как ответ на эту ситуацию. Правильно спроектированная система рекомендаций упростит и сделает более эффективным выбор пользователем целевых услуг и продуктов. Это создает у пользователя положительное ощущение от использования услуги, и это, скорее всего, отразится на более продолжительном времени, которое он проводит на веб-сайте поставщика услуг, на большем количестве услуг, товаров или товаров, которые он просматривает, и, конечно же, на сумме продаж, которые записывает поставщик услуг.
История рекомендательных систем восходит к 70-м годам, когда начали появляться первые научные статьи о методах рекомендаций . Быстрое развитие рекомендательных систем и их массовое внедрение произошли в начале тысячелетия, когда крупные проекты электронной коммерции стали приближаться к рентабельности . В последнее десятилетие в рекомендательных системах явно преобладают подходы, основанные на анализе данных и, вместе с ними, на технологиях машинного обучения.
Компания Seznam.cz использует систему рекомендаций в своей контентной сети с 2016 года и предлагает рекомендации как услугу с 2019 года «Рекомендуемый список» для партнерских сайтов. Тематическое исследование 2019 года сообщает о росте читателей статей на сайте на 22% после запуска сервиса.
Пример двух выводов DS со страницы www.seznam.cz – сравнение ссылок, сгенерированных без информации о пользователе (левая часть изображения) со ссылками, персонализированными DS под пользователя (мужчина, 30 лет, интересуется технологиями и авто-мото сегментом).
Другим существенным результатом быстрого развития DS за последнее десятилетие стал постоянно растущий спрос на ИТ-специалистов, обладающих экспертными знаниями в области машинного обучения для использования в рекомендательных системах. Например, поиск вакансий в профессиональной сети LinkedIn с использованием запроса «технология рекомендаций» вернет несколько сотен вакансий. Seznam.cz в этой области предложения немедленно несколько позиций.
Вакансии на Linkedin.com были найдены по запросу «рекомендательная технология».
