نظام التوصية

نظرة عامة

وعلى صعيد آخر، أما التصفية بناءً على المحتوى تقوم على جلب المنتجات المشابهة بخصائصها للمنتج الذي تم شراؤه.

علاوةً على ذلك، لكلا النظامين نقاط قوة ونقاط ضعف، في المثال الأول، لاست إف أم، يتطلب كماً كبيراً من المعلومات لكل مستعمل حتى تكون دقة التوصيات عالية. وهذا مثال على ما يسمى بمشكلة البداية الباردة، وهي متعارف عليها في نظام التصفية التشاركي.

ومن جهة أخرى، تُستعمل التغذية الراجعة من قبل المستعملين لتحسين المقطوعات التي تظهر في القائمة، وذلك بإهمال خصائص معينة للمقطوعة إذا لم تنل إعجاب المستعمل، أو بوضع خصائص أخرى بعين الاعتبار إذا نالت المقطوعة إعجاب المستعمل.

ومن جهة أخرى، يمكن إيضاح الفرق بين الطريقة التشاركية والطريقة المبنية على المحتوى من خلال مقارنة نظامي ترشيح موسيقى معروفين -  Last.fm و Pandora Radio.

من جانب آخر، لاست أف أم ( لاست إف إم ) يقوم بعمل قائمة من الأغاني المُقترحة من خلال مراقبة الفرق الموسيقية والمقاطع التي تم سماعها من قِبل المستعمل بشكل منتظم، ومقارنتها مع القوائم المشابهة عند المستعملين الآخرين. ومن ثم يقول لاست أف أم بتشغيل المقاطع التي لا تظهر في قائمة المستعمل الحالي، إنما المقاطع التي قام بسماعها المستعملين الذين يملكون قوائم مشابهة لقائمة المستعمل الحالي.

الطرق

وعلى صعيد آخر، بينما باندورا يتطلب معلومات قليلة عن المستعمل حتى يتسنى له اقتراح المقاطع المناسبة، لكنه محدود فقط على المقاطع المشابهة بالخصائص.

من جانب آخر، تعتمد التصفية التعاونية على سلوك المستعمل السابق، مثل المنتجات التي قام بشرائها سابقاً أو التقييمات السابقة، تزامنا مع القرارات المشابهة التي تمت من قبل مستعملين آخرين، وبذلك يمكن توقع رغبات المستعمل الأول بناءً على قرارات المستعملين الآخرين.

من جهة ثانية، باندورا يستعمل خصائص محددة للمقطوعة الموسيقية أو الفنان - مجموعة من 400 خاصية - حتى يُغذّي قائمة الأغاني لدى المستعملين بما يتشابه مع المقطوعات التي تم سماعها.

من جهة ثانية، يقوم نظام الاقتراح بشكل رئيسي باقتراح قائمة من التوصيات في مجال ما، باستخدام إحدى الطريقتين: التصفية التعاونية Collaborative filtering  أو التصفية بناءً على المحتوى Content-based filtering.

علاوةً على ذلك، هذه الطرق غالباً ما يتم استخدامها في آن واحد لتُشكل نظاماً واحدًا يُسمى Hybrid Recommended Systems

التصفية التعاونيّة

يواجه نظام التصفية التعاونية ثلاث مشاكل رئيسة:

ومن جهة أخرى، البداية الباردة: هذه الأنظمة تطلب كم كبير من البيانات عن المستعمل حتى يتسنّى لها تقديم توصيات دقيقة.

وعلى صعيد آخر، من ميّزات طريقة التصفية التعاونية عدم اعتمادها على تحليل المحتويات من قبل الحاسوب، وبذلك بوسعها تقديم توصيات معقدة مثل توصيات الأفلام بدون الحاجة إلى فهم محتوى هذا الفيلم.

وفي هذا الصدد، التناثر: عدد المنتجات المَبيعة في المواقع التجارية كبير جدًا، حتى أن أكثر المستعملين نشاطاً سيقومون بتقييم مجموعة صغيرة من قاعدة البيانات الكلية، لذلك فإن حتى أشهر المنتجات ستحصل على تقييم قليل.

وفي هذا السياق، التصفية التعاونية تقوم على افتراض أن المستعملين الذي توافقوا في أذواقهم سابقاً، ستتشابه أذواقهم في المستقبل، وسيُعجبهم ذات الأشياء المتشابهة التي أعجبت غيرهم في السابق.[3]

وفي هذا الصدد، التوسع: في الكثير من استخدامات هذه الأنظمة، هناك الملايين من المستعملين والمنتجات، لذلك؛ ستقوم بإجراء عمليات حسابية ضخمة لحساب التوصيات.

علاوةً على ذلك، إحدى الطرق الشائعة المتبعة في تصميم أنظمة الاقتراح هي التصفية التعاونية. تقوم التصفية التعاونية على جمع وتحليل كم كبير من المعلومات في سلوك المستعملين، كالنشاطات التي يقوم بها والتفضيلات، وتوقع ما الذي سيُعجب المستعمل بناءً على تشابه نشاطاتهم وتفضيلاتهم مع المستعملين الآخرين.

ومن ناحية أخرى، هناك الكثير من الخوارزميات المتبعة في قياس تشابه أذواق المستعملين في أنظمة الاقتراح، منها  k-nearest neighbor k-NN وPearson Correlation.

التصفية بناءً على المحتوى

ومن جهة أخرى، من الطرق الأخرى المستعملة في تصميم أنظمة الاقتراح هي التصفية بناءً على المحتوى، تقوم طريقة التصفية بناءً على المحتوى على وصف المنتج وتفضيلات المستعمل. يُستعمل كلمات مفتاحية لوصف هذا المنتج وبناء حساب المستعمل ليعرف نوع المنتج الذي يعجبه.