Casa Finanza personale Nozioni di base sui filtri collaborativi basati sull'utente in Predictive Analysis - dummies

Nozioni di base sui filtri collaborativi basati sull'utente in Predictive Analysis - dummies

Video: Open your minds to open science: le molteplici forme dell'accesso aperto - pomeriggio 2025

Video: Open your minds to open science: le molteplici forme dell'accesso aperto - pomeriggio 2025
Anonim

Con un approccio basato sull'utente per il filtraggio collaborativo nell'analisi predittiva, il sistema può calcolare la somiglianza tra coppie di utenti utilizzando la formula di similarità del coseno, una tecnica molto simile all'approccio basato sull'elemento. Solitamente tali calcoli richiedono più tempo e potrebbero dover essere calcolati più spesso di quelli utilizzati nell'approccio basato sugli articoli. Questo perché

  • avresti molti più utenti degli oggetti (idealmente comunque).

  • Ci si aspetterebbe che gli elementi cambino meno frequentemente degli utenti.

  • Con più utenti e meno modifiche negli articoli offerti, è possibile utilizzare molti più attributi oltre alla cronologia degli acquisti per il calcolo della similarità degli utenti.

Un sistema basato sull'utente può anche utilizzare algoritmi di apprendimento automatico per raggruppare tutti gli utenti che hanno dimostrato di avere gli stessi gusti. Il sistema crea quartieri di utenti che hanno profili, modelli di acquisto o schemi di valutazione simili. Se una persona in un quartiere compra e apprezza un oggetto, il sistema recommender può raccomandare l'oggetto a chiunque altro nel quartiere.

Come nel caso del filtraggio collaborativo basato sull'elemento, l'approccio basato sull'utente richiede che dati sufficienti su ciascun utente siano efficaci. Prima che il sistema possa formulare raccomandazioni, deve creare un profilo utente, quindi richiede anche che l'utente crei un account ed effettui l'accesso (o memorizzi le informazioni sulla sessione nel browser tramite i cookie) durante la visualizzazione di un sito web.

Inizialmente il sistema può chiedere esplicitamente all'utente di creare un profilo, arricchire il profilo facendo domande e quindi ottimizzare i suoi suggerimenti dopo che i dati di acquisto dell'utente sono stati accumulati.

Netflix è un esempio di costruzione rapida di un profilo per ogni cliente. Ecco la procedura generale:

  1. Netflix invita i suoi clienti a impostare le code dei film che vorrebbero vedere.

  2. I film scelti vengono analizzati per conoscere i gusti del cliente nei film.

  3. Il modello predittivo consiglia di guardare più film per il cliente, in base ai filmati già in coda.

Una matrice campione di clienti e articoli acquistati - è un esempio di filtraggio collaborativo basato sull'utente. Per semplicità, utilizza una regola in base alla quale un utente viene creato dagli utenti che hanno acquistato almeno due elementi in comune.

Cliente Voce 1 Voce 2 Voce 3 Voce 4 Voce 5 Voce 6
A - N1 X X > X B - N1
X X C - N2
X X D - N2
X X X > E - N1 X
X F - N1 X
X X X G - N1 X
X > H - N3 X I - N3
X Sono formati tre quartieri utente: N1, N2 e N3.Ogni utente nei quartieri N1 e N2 ha acquistato almeno 2 oggetti in comune con qualcun altro nello stesso quartiere. N3 sono utenti che non hanno ancora soddisfatto i criteri e non riceveranno consigli finché non acquisteranno altri articoli per soddisfare i criteri.
Ecco un esempio di come si può usare questo sistema di raccomandazione: Offline

tramite una campagna di marketing via e-mail o se l'utente si trova sul sito web mentre si è connessi. Il sistema può inviare annunci di marketing o formulare raccomandazioni sul sito Web come segue:

Articolo 3 al Cliente B

Articolo 4 al Cliente C Articolo 1 al Cliente E

  • Articolo 3 al Cliente F

  • Articolo 2 al Cliente G

  • Indeterminato articolo per i clienti A e D

  • Idealmente dovresti avere più oggetti di sei. E ci dovrebbero sempre essere alcuni articoli nel quartiere di un cliente che il cliente non ha ancora acquistato.

  • Elemento indeterminato per i clienti H e I

  • In questo caso, non vi sono dati sufficienti per servire da base per una raccomandazione.

    Una differenza molto importante è che poiché ogni cliente appartiene a un gruppo, qualsiasi acquisto futuro che un membro farà sarà raccomandato agli altri membri del gruppo fino a quando il filtro non sarà riqualificato. Quindi i clienti A e D inizieranno a ricevere raccomandazioni molto rapidamente poiché appartengono già a un quartiere e sicuramente gli altri vicini compreranno qualcosa presto.

  • Ad esempio: se il cliente B acquista l'articolo 6, il sistema recommender raccomanderà l'articolo 6 a tutti in N1 (clienti A, B, E, F e G).

    Il cliente F può potenzialmente appartenere a entrambi i quartieri N1 o N2 a seconda di come viene implementato l'algoritmo di filtraggio collaborativo.

I clienti H e I forniscono esempi del problema dell'avviamento a freddo

:

Il cliente non ha generato abbastanza dati da essere raggruppati in un ambiente utente. In assenza di un profilo utente, un nuovo cliente con poca o nessuna cronologia degli acquisti o che acquista solo articoli oscuri, porrà sempre il problema dell'avviamento a freddo del sistema, indipendentemente dall'approccio di filtro collaborativo utilizzato.

Cliente I illustra un aspetto del problema dell'avviamento a freddo che è unico per l'approccio basato sull'utente. L'approccio basato sull'elemento inizierebbe a trovare altri articoli simili all'oggetto acquistato dal cliente; quindi, se altri utenti iniziano ad acquistare l'Articolo 6, il sistema può iniziare a formulare raccomandazioni. Non è necessario effettuare ulteriori acquisti da parte dell'utente; l'approccio basato sull'elemento può iniziare a consigliare. In un sistema basato sull'utente, tuttavia, il Cliente I deve effettuare acquisti aggiuntivi per appartenere a un quartiere di utenti; il sistema non può ancora dare consigli. Va bene, c'è un'ipotesi al lavoro in questi semplici esempi - vale a dire, che il cliente non solo ha acquistato l'oggetto ma lo ha apprezzato abbastanza per fare acquisti simili. Cosa succede se al cliente non piace l'articolo? Il sistema ha bisogno, per lo meno, di produrre una precisione migliore nelle sue raccomandazioni.

È possibile aggiungere un criterio al sistema recommender per raggruppare le persone che hanno assegnato valutazioni simili agli articoli acquistati.Se il sistema trova clienti a cui piacciono e non piacciono gli stessi articoli, allora l'assunzione di alta precisione è valida. In altre parole, c'è un'alta probabilità che i clienti condividano gli stessi gusti.

Nozioni di base sui filtri collaborativi basati sull'utente in Predictive Analysis - dummies

Scelta dell'editore

Come salvare le immagini in un file immagine in R - dummies

Come salvare le immagini in un file immagine in R - dummies

Se vuoi pubblicare le tue risultati, è necessario salvare la trama in un file in R e quindi importare questo file grafico in un altro documento. Tuttavia, per la maggior parte del tempo, potresti semplicemente voler utilizzare la grafica R in modo interattivo per esplorare i tuoi dati. Per salvare un grafico su un'immagine ...

Come cercare più parole in R - dummies

Come cercare più parole in R - dummies

Quando si lavora con il testo in R, potrebbe essere necessario per trovare parole o motivi all'interno del testo. Immagina di avere una lista degli stati negli Stati Uniti e vuoi scoprire quali nomi di stato consistono in due parole. Per trovare sottostringhe, è possibile utilizzare la funzione grep (), che prende due argomenti essenziali: ...

Come cercare le singole parole in R - dummies

Come cercare le singole parole in R - dummies

Quando lavori con il testo, spesso tu può risolvere i problemi se riesci a trovare parole o motivi all'interno del testo. R rende questo facile da fare. Immagina di avere una lista degli stati negli Stati Uniti e vuoi scoprire quale di questi stati contiene la parola Nuovo. Per indagare su questo ...

Scelta dell'editore

Come calcolare le detrazioni e i crediti di imposta sugli investimenti immobiliari per l'esame di licenza immobiliare

Come calcolare le detrazioni e i crediti di imposta sugli investimenti immobiliari per l'esame di licenza immobiliare

Una detrazione fiscale è qualcosa che puoi vedere nell'esame di licenza immobiliare che puoi detrarre dal reddito di un investimento immobiliare per ridurre le tasse. Un credito d'imposta è qualcosa che puoi detrarre dalle tasse dovute. I governi federali e talvolta statali creano programmi che consentono crediti d'imposta o detrazioni per ...

Fattori economici che influenzano il valore per l'esame di licenza immobiliare - dummies

Fattori economici che influenzano il valore per l'esame di licenza immobiliare - dummies

Valore doesn ' semplicemente succede; le persone devono crearlo. La maggior parte di queste azioni personali che saranno trattate durante l'esame di licenza immobiliare, di solito chiamate influenze economiche, non sono altro che normali comportamenti umani. Il test pone due tipi di domande su questi principi o fattori economici. Vedrai domande sulle definizioni e ...

Come calcolare le aliquote fiscali per l'esame di licenza immobiliare - dummy

Come calcolare le aliquote fiscali per l'esame di licenza immobiliare - dummy

Pur calcolando la tassa le tariffe non sono qualcosa che devi sapere esattamente come fare per l'esame di licenza immobiliare, è qualcosa che devi capire in generale per rispondere a domande di non-matematica sul processo. Sapere come calcolare le tasse non è una cosa brutta da sapere, perché probabilmente si pagano le tasse di proprietà e ...

Scelta dell'editore

Suggerimenti per la registrazione Regole di gioco logiche sull'LSAT - manichini

Suggerimenti per la registrazione Regole di gioco logiche sull'LSAT - manichini

La maggior parte dei giochi di logica sull'LSAT hanno tre, quattro o cinque condizioni o regole che limitano il modo in cui giochi con i pezzi. Per ordinare i giochi, le restrizioni forniscono indizi su come i pezzi possono essere posizionati in relazione l'uno con l'altro. I tipi comuni di regole di ordinazione sono obiettivi, distanziatori e arrangiatori. Regole di destinazione I bersagli danno ...

Come gestire il tuo tempo con saggezza sul TASC - dummies

Come gestire il tuo tempo con saggezza sul TASC - dummies

Perché ogni sezione del TASC, oppure Prova l'esame di completamento secondario, ha un limite di tempo, vorrai essere consapevole di quanto tempo è passato mentre stai facendo il test. Un modo per gestire efficacemente il tuo tempo è semplicemente indossando un orologio. I centri di test potrebbero non avere sempre un orologio disponibile e ...

Rendendo più semplice il giorno di prova SSAT o ISEE - manichini

Rendendo più semplice il giorno di prova SSAT o ISEE - manichini

Non è possibile effettuare SSAT o ISEE più facile, ma puoi iniziare la giornata di test correttamente e renderlo più semplice e meno stressante, il che può portare a risultati migliori durante l'esame di ammissione. Ecco alcuni suggerimenti da tenere a mente al giorno del test SSAT o ISEE: riposati molto. La ...