21. Системы рекомендаций¶
Шуай Чжан (Amazon), Астон Чжан (Amazon) и И Тай (Google)
Системы рекомендаций широко применяются в индустрии и повсеместно присутствуют в нашей повседневной жизни. Они используются во многих областях, таких как сайты онлайн-торговли (например, amazon.com), музыкальные и видеосервисы (например, Netflix и Spotify), магазины мобильных приложений (например, App Store для iOS и Google Play), а также в сфере онлайн-рекламы, чтобы назвать лишь некоторые из них.
Главная цель рекомендательных систем — помочь пользователям находить релевантные объекты, такие как фильмы для просмотра, тексты для чтения или товары для покупки, создавая тем самым приятный пользовательский опыт. Более того, рекомендательные системы входят в число самых мощных систем машинного обучения, которые внедряют онлайн-ритейлеры для увеличения дополнительной выручки. Они заменяют поисковые системы, снижая усилия, необходимые для активного поиска, и удивляя пользователей предложениями, о которых они даже не думали. Многим компаниям удалось опередить конкурентов благодаря более эффективным рекомендательным системам. Таким образом, рекомендательные системы играют центральную роль не только в нашей повседневной жизни, но и являются крайне незаменимыми в некоторых отраслях.
В этой главе мы рассмотрим основы и достижения в области рекомендательных систем, а также изучим общие фундаментальные методы построения таких систем с использованием различных источников данных и их реализацию. В частности, вы научитесь предсказывать оценку, которую пользователь может поставить потенциальному объекту, формировать список рекомендаций и прогнозировать вероятность клика (click-through rate) на основе множества признаков. Эти задачи широко распространены в реальных приложениях. Изучив эту главу, вы получите практический опыт решения реальных задач рекомендаций, используя не только классические методы, но и более продвинутые модели на основе глубокого обучения.