некоторый товар (как подчеркивалось в первой главе, это различие на
практике оказывается принципиальным). Рекомендации могут генери-
роваться тремя способами:
1. Контентным: человеку рекомендуют товары, сходные с теми, кото-
рые он выбрал ранее.
2. Методом коллаборативной фильтрации: потребителю рекомен-
дуют товары, которые вычисляются по оценкам людей со схожими
вкусами, уже опробовавших данный продукт и поделившихся сво-
ими суждениями.
3. Гибридным методом, сочетающим в себе два предыдущих.
Кроме перечисленных существуют вспомогательные системы (кратко
упоминаются ниже), а также системы социальной навигации, которые
не являются рекомендательными и здесь не рассматриваются. В пос-
леднем случае предпочтения людей выявляют на основании прямых
и косвенных данных: интернет-сообщений, историй пользования
системой, гиперссылок и т. д. Они визуализируют взаимодействие че-
ловека с компьютером и помогают путешествующим по сети145.
2.7.1. Контентные методы выработки рекомендаций
В рекомендательных системах контентного типа полезность товара
выводится из потребительской оценки сходных продуктов. Например, для того чтобы посоветовать человеку фильмы, контентная система пы-
тается найти сходство между различными картинами, которые прежде
получили у него высокую оценку (одни и те же актеры, режиссеры, жан-
ры и т. д.). Подобные рекомендации основаны на принципе «найдите
для меня вещи, подобные тем, что мне нравились в прошлом». В основе
контентой рекомендательной системы лежат методы поиска информа-
ции146, ее сопоставления и фильтрации147. Этот подход чаще всего ис-
145 См.: Terveen L., Hill W. Beyond Recommender Systems: Helping People Help Each Other // Carroll J. (ed.) HCI in Th
e New Millennium. Addison-Wesley, 2001.
146 Baeza-Yates R., Ribeiro-Neto B. Modern Information Retrieval. Addison-Wesley, 1999; Salton G. Automatic Text Processing. Addison-Wesley, 1989.
147 Belkin N., Croft B. Information Filtering and Information Retrieval // Comm. ACM, Vol. 35, № 12, 1992. P. 29–37.
180
ГЛАВА 2.7. ОБЗОР РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ
пользуют для текстов – документов, веб-сайтов, блогов и т. п. Профиль
предпочтений формируется на основе информации, которую получают
от потребителя либо напрямую, анкетированием, либо косвенно. Кон-
тент обычно описывается при помощи ключевых слов148. Профиль пот-
ребителя, указывающий на его предпочтения, создается путем выяв-
ления ключевых слов в контенте, которому ранее данный человек уже
вынес оценку. Профиль потребителя и профиль контента могут быть
представлены как векторы, а полезность данного контента для данного
потребителя определяется величиной угла между ними149. В частности, человеку, интересующемуся определенной темой, будут рекомендованы
148 Например, система Fab, специализирующаяся на рекомендациях веб-страниц, представляет их контент в виде 100 наиболее важных слов. Система Syskill & Webert описывает документы с помощью 128 самых информативных слов.
Существуют различные методы вычисления «важности» и «информативности»
слов в документах. Например, метод частотности / обратной частотности. Суть
его такова: пусть N – некоторое количество документов, которые могут быть
рекомендованы пользователям. В части этих документов (ni) встречается
ключевое слово kj. Кроме того, предположим, что fij – это количество раз, которое ключевое слово kj встречается в неком конкретном документе dj. Тогда
