эффективную систему рекомендаций.
Допустим, где-то среди огромного массива музыки имеется то, что
пришлось бы по душе конкретному человеку. Вопрос в том, как эту ме-
лодию обнаружить и, минуя предварительное ознакомление, довести до
потенциального слушателя? По каким признакам отбраковывать «пло-
хую» музыку? Ведь из-за разнообразия вкусов трудно представить меха-
низм прогнозирования предпочтений безвестных индивидов. Казалось
бы, задача неподъемная, тем не менее одно элегантное решение обнару-
живается. Оно строится на оценивании музыки силами самих потреби-
телей. Ведь именно слушатели, а не кто иной, осуществляют фильтра-
цию: потребляя музыку, они, хотят того или нет, проделывают работу
эксперта. А коль скоро работа выполнена, должен существовать способ
воспользоваться ее результатами. Простейший вариант обработки ин-
дивидуальных оценок с выведением рейтинга ни к чему не приводит.
Этот инструмент, как известно, не славится качественными рекоменда-
циями, поскольку не ясно, кто стоит за тем или иным суждением.
Чтобы получить на выходе работающие, дифференцированные ре-
комендации, нужна более изощренная техника взаимодействия с пот-
ребителями. В ней должна учитываться разница во вкусах – ключевое
звено проблемы навигации. Традиционно оценщиками выступают спе-
108 Разработки различных рекомендательных систем ведутся чрезвычайно интен-
сивно (см. часть 2, глава 7). В СМИ чуть ли не ежедневно проходят сообщения о
том, что подобный сервис вот-вот появится. Подробней о средствах навигации в
интернете см. приложение 1, глава 11.
66
ГЛАВА 1.3. НАВИГАЦИЯ – НОВЫЙ ВИД УСЛУГ В МИРЕ МУЗЫКИ
циально отобранные эксперты, что влечет за собой как минимум три
проблемы: во-первых, как выбрать (назначить) экспертов; во-вторых, по каким параметрам судить о качестве; в-третьих, как выводить об-
щую оценку из комбинации частных. В принципе, наладить экспертную
систему можно, но поскольку под каждую конкретную задачу ее при-
дется модифицировать, это обойдется очень дорого. А в случае с музы-
кой впечатление зависит не только от самой мелодии, но и от условий
прослушивания, настроя и многого другого. Как все это учесть в оценке
и донести до конкретного потребителя?
1.3.1.1. Как учесть разницу во вкусах?
Идея в том, чтобы «авторизовать» участников, взяв за основу
оценки известных им произведений. Предположим, мнения собра-
ны. Чтобы вывести из них рекомендации для конкретного потребите-
ля, от него следует получить его собственные оценки знакомых песен.
Они-то и станут тем критерием, на основании которого автоматичес-
ки будут отбираться рекомендатели из числа абонентов системы, чьи
суждения о песнях, которые упоминает клиент, совпадают с его собст-
венными или близки к ним. На конкретный запрос будет выдаваться
комбинация оценок, выведенная из откликов именно этих оценщиков.
Таким образом, человек получит рекомендации от тех, кто обладает
схожим вкусом. Вся прочая статистика его не касается. Допустим, в
качестве критериев некий абонент ввел высокие оценки песен Битлз, Куин, Мадонны, Гэйбриэла, Таркана, Мартина (набор может быть лю-
бым). Рекомендации поступят от тех, кто, так же как и сам клиент, вы-
соко (или, напротив, низко) оценивает эти песни. Положим, человек
