Πώς να χρησιμοποιήσετε τα συνεργατικά φίλτρα βάσει στοιχείων σε προγνωστική ανάλυση - ανδρείκελα

Ένα από τα συστήματά του που προτείνει η Amazon για την χρήση της πρόβλεψης συνεργατικό φιλτράρισμα που βασίζεται σε στοιχεία - εξάγοντας ένα τεράστιο απόθεμα προϊόντων από τη βάση δεδομένων της εταιρείας όταν ένας χρήστης βλέπει ένα μόνο στοιχείο στον ιστότοπο. Γνωρίζετε ότι εξετάζετε ένα συνεργατικό σύστημα φιλτραρίσματος που βασίζεται σε στοιχεία (ή, συχνά, ένα σύστημα που βασίζεται σε περιεχόμενο), αν σας παρουσιάζει συστάσεις στην πρώτη σας προβολή στοιχείων, ακόμη και αν δεν έχετε δημιουργήσει ένα προφίλ.

Μοιάζει μαγικό, αλλά δεν είναι. Παρόλο που το προφίλ σας δεν έχει δημιουργηθεί ακόμα (επειδή δεν είστε συνδεδεμένοι ή δεν έχετε προηγούμενο ιστορικό περιηγητών σε αυτόν τον ιστότοπο), το σύστημα παίρνει τα εξής στοιχεία: Βασίζει τη σύστασή του στο το στοιχείο η ίδια και ό, τι άλλοι πελάτες εξέτασαν ή αγόρασαν μετά από (ή πριν) αγόρασαν αυτό το στοιχείο. Έτσι, θα δείτε κάποιο μήνυμα στην οθόνη όπως το

• Πελάτες που αγόρασαν αυτό το προϊόν αγόρασαν επίσης …

• Ποιες άλλες προσφορές αγοράζουν οι πελάτες μετά την προβολή αυτού του στοιχείου;

• Στην ουσία, η σύσταση βασίζεται στο πόσο παρόμοιο είναι το στοιχείο που βλέπετε αυτήν την περίοδο σε άλλα στοιχεία, με βάση τις ενέργειες της κοινότητας των χρηστών.

Τα παρακάτω δείχνουν ένα δείγμα πίνακα πελατών και των αντικειμένων που αγόρασαν. Θα χρησιμοποιηθεί ως παράδειγμα φιλτραρίσματος φιλτραρίσματος βάσει αντικειμένων.

Στοιχείο 5

Στοιχείο 4	Α	X	Στοιχείο 1	Πελάτης	> X	X
B	X	X	C
X	X	D
X			X		X
E			Χ	Χ	Χ
Χ		Χ	Χ
Χ	> Ι	Χ			Τώρα ας δούμε την ομοιότητα του στοιχείου που υπολογίζεται χρησιμοποιώντας τον τύπο ομοιότητας συνημιτόνου. Ο τύπος για
ομοιότητα συνημιτότητας	είναι (A & middot; B) / (|| A || || B ||), όπου τα Α και Β είναι στοιχεία για σύγκριση. Για να διαβάσετε το ακόλουθο παράδειγμα και να μάθετε πόσο παρόμοιο είναι ένα ζευγάρι αντικειμένων, εντοπίστε ακριβώς το κελί όπου τέμνονται τα δύο στοιχεία. Ο αριθμός θα είναι μεταξύ 0 και 1. Μια τιμή 1 σημαίνει ότι τα στοιχεία είναι τελείως όμοια. 0 σημαίνει ότι δεν είναι παρόμοια.
0	0
0						0

0

Στοιχείο 5 0. 26 0. 29

0. 52

0. 82	0	Στοιχείο 4	0. 32	0. 35	0. 32
0. 82	0	Στοιχείο 3	0. 40	0. 45		0. 32
0. 52	0	Στοιχείο 2	0. 67		0. 45	0. 35
0. 29	0	Στοιχείο 1		0. 67	0. 40	0. 32
0. 26	0		Αντικείμενο 1	Αντικείμενο 2	Αντικείμενο 3	Αντικείμενο 4
Αντικείμενο 5		κάποια τιμή ομοιότητας ή μπορεί να συστήσει τον αριθμό των στοιχείων	n	.Σε αυτό το σενάριο, μπορείτε να πείτε ότι οποιαδήποτε τιμή μεγαλύτερη ή ίση με 0. 40 είναι παρόμοια. το σύστημα θα συστήσει αυτά τα στοιχεία.	Για παράδειγμα, η ομοιότητα μεταξύ του στοιχείου 1 και του στοιχείου 2 είναι 0. 67. Η ομοιότητα μεταξύ των σημείων 2 και 1 είναι ίδια. Έτσι, είναι μια κατοπτρική εικόνα κατά μήκος της διαγώνιας από κάτω αριστερά προς πάνω δεξιά. Μπορείτε επίσης να δείτε ότι το στοιχείο 6 δεν είναι παρόμοιο με οποιοδήποτε άλλο στοιχείο, επειδή έχει τιμή 0.	Αυτή η εφαρμογή ενός συστήματος συστάσεων βασισμένου σε στοιχεία απλοποιείται για να απεικονίσει τον τρόπο λειτουργίας του. Για λόγους απλότητας, χρησιμοποιήστε μόνο ένα κριτήριο για τον προσδιορισμό της ομοιότητας αντικειμένων: εάν ο χρήστης αγόρασε το στοιχείο.
	Χρησιμοποιώντας τα προφίλ που δημιούργησαν οι χρήστες που αντιπροσωπεύουν τις προτιμήσεις τους	Παράγοντας του πόσο πολύς χρήστης θέλει (ή υψηλά ποσοστά) ένα στοιχείο	Ζυγίζοντας πόσα αντικείμενα ο χρήστης αγόρασε παρόμοια με τα πιθανά συνιστώμενα στοιχεία	Κάνοντας υποθέσεις σχετικά με το αν ένας χρήστης θέλει ένα στοιχείο ανάλογα με το αν ο χρήστης έχει απλώς προβάλλει το στοιχείο, παρόλο που δεν έγινε αγορά	Εδώ είναι δύο συνήθεις τρόποι που θα μπορούσατε χρησιμοποιήστε αυτό το σύστημα συνημμένων:	Εκτός σύνδεσης μέσω μίας εκστρατείας μάρκετινγκ ηλεκτρονικού ταχυδρομείου ή αν ο χρήστης βρίσκεται στον ιστότοπο κατά τη σύνδεσή σας.

Το σύστημα θα μπορούσε να στείλει διαφημίσεις μάρκετινγκ ή να κάνει αυτές τις συστάσεις στον ιστότοπο: στον Πελάτη Β Συνιστάται επειδή ο Πελάτης Β αγόρασε τα Στοιχεία 1 και 2 και τα δύο στοιχεία είναι παρόμοια με το Στοιχείο 3.

Στοιχείο 4, στη συνέχεια Στοιχείο 2, στον Πελάτη Γ

Προτείνεται επειδή ο Πελάτης Γ αγόρασε τα Στοιχεία 3 και 5 Το στοιχείο 5 είναι παρόμοιο με το στοιχείο 4 (τιμή ομοιότητας: 0,82). Το στοιχείο 2 είναι παρόμοιο με το στοιχείο 3 (τιμή ομοιότητας: 0. 45).

• Στοιχείο 2 στον πελάτη D

• Συνιστάται επειδή ο Πελάτης Δ αγόρασε τα στοιχεία 3, 4 και 5. Το στοιχείο 3 είναι παρόμοιο με το στοιχείο 2.

• Στοιχείο 1 στον πελάτη E

• και 3, τα οποία και τα δύο είναι παρόμοια με το στοιχείο 1.

Στοιχείο 3 στον πελάτη F

• Συνιστάται επειδή ο Πελάτης F αγόρασε τα στοιχεία 1, 2, 4 και 5. Τα στοιχεία 1, 2 και 5 είναι παρόμοια με το στοιχείο 3.

  Στοιχείο 2 έως πελάτη G

  • Συνιστάται επειδή ο Πελάτης G αγόρασε τα στοιχεία 1 και 3. Και τα δύο είναι παρόμοια με το στοιχείο 2.

    αγοράσατε το στοιχείο 1. Το στοιχείο 1 είναι παρόμοιο με τα στοιχεία 2 και 3.

  • Απροσδιόριστο στοιχείο στον πελάτη Α

    Ιδανικά θα πρέπει να έχετε πολλά περισσότερα στοιχεία και χρήστες. Και πρέπει να υπάρχουν κάποια στοιχεία που έχει αγοράσει ένας πελάτης που είναι παρόμοια με άλλα αντικείμενα που δεν έχει ακόμα αγοράσει.

  • Απροσδιόριστο στοιχείο για τον πελάτη I

    Στην περίπτωση αυτή, τα δεδομένα δεν επαρκούν για να αποτελέσουν τη βάση μιας σύστασης. Αυτό είναι ένα παράδειγμα του προβλήματος της ψυχρής εκκίνησης.

  • Συνδεδεμένοι μέσω προβολής σελίδας ενώ ο χρήστης δεν είναι συνδεδεμένος.