推薦系統是根據用戶輸入到系統中的數據為用戶推薦的系統,用戶提供的數據越多,推薦系統的準確性就越高,另外,個人用戶提交的數據有助于系統整體的改進,通過生成可用于向其他用戶推薦的信息,推薦系統通常出現在電影和電視評論...
推薦系統是根據用戶輸入到系統中的數據為用戶推薦的系統,用戶提供的數據越多,推薦系統的準確性就越高,另外,個人用戶提交的數據有助于系統整體的改進,通過生成可用于向其他用戶推薦的信息,推薦系統通常出現在電影和電視評論網站以及那些擁有大量零售商品庫存的網站上,這些網站無法通過查看每一件商品進行瀏覽。
![]()
商人豎起大拇指這些系統可以以多種不同的方式與用戶進行交互。一種是為那些正在尋找更多他們可能感興趣的東西的用戶提供服務,如進一步閱讀、電視節目或視頻游戲。在這些系統中,用戶生成一個喜歡和不喜歡的列表,系統會嘗試預測用戶將如何投票如果一個用戶認為某個音樂系統的用戶不喜歡它的話,它可能會向他們推薦一些音樂如果用戶不喜歡音樂的聲音,系統可以記錄并進一步完善用于生成推薦的算法。累積的數據越多,推薦的幫助就越大。零售網站使用推薦系統來引誘人們沖動購買。該系統會記錄購買的物品,并推薦相關和有用的物品。例如,購買相機的人可能會被問到是否要購買充電器、相機外殼、過濾器,還有其他鏡片購買女權主義理論書籍的人可能會被告知,該書名的其他買家也喜歡另一個相關的書名。這些類型的推薦系統允許個性化營銷,這極有可能吸引用戶。這些系統依賴于對數據的協同過濾,其中組織了來自大量用戶的數據以有意義的方式。這使得網站可以建立一些在其他方面可能不明顯的連接,從而提高推薦的質量。不想參與的用戶通常可以更改其用戶設置中的選項,但是他們會降低他們收到的建議的質量,因為系統不能從個人的偏好中學習,只能從其他用戶的集體意見中學習。