0
Процессы и методики, Инновации и идеи

Система рекомендаций стала привычным делом в Интернете. Неудивительно, что такие компании-гиганты как Netflix готовы выкладывать сумму в миллион долларов за то, чтобы какой-нибудь умелец повысил точность рекомендаций их сервиса хотя бы на 10%.
На помощь пришли светлые головы из MIT. По утверждению профессора Деваврата Ша, современные системы рекомендаций строятся на заведомо ложных принципах. Например, вместо того, чтобы просить пользователей оценить продукт по пятибалльной шкале (как это делают Amazon и Netflix), нужно проводить сравнение продуктов в парах. Совместно со своими студентами профессор Ша разработал алгоритм для ранжирования продуктов, основываясь на оценках пользователей, которые применялись к паре сравниваемых продуктов.
Алгоритм был протестирован на сайте для продажи-покупки автомобилей, и он смог распознать предпочтения покупателей на 20% точнее, чем ныне использующиеся методики. Профессор Ша считает, что система сравнений является естественной. Скажем, выбирая продукты на полке в магазине, вы автоматически сравниваете их по определенным критериям.
Ранее никто не предлагал подобный алгоритм в силу его технической сложности. Ну, что ж в теории выглядит все хорошо, однако, впереди еще «полевые» испытания.
Improving recommendation systems
Поделиться: