DalšíDalší průvodce
Jak funguje doporučovací algoritmus YouTube
Společnosti
PRŮVODCE společnostmi
„Amazon kolaborativní filtrování položek mezi položkami“ je název výzkumného dokumentu Amazon z roku 2003, který popisuje doporučení založená na vztazích mezi položkami spíše než na prvním nalezení uživatelů podobných zákazníkovi.
Poslechněte si tento návodAI-vyprávěný · ~3 min
Je to zveřejnění historické veřejné architektury; nemělo by být považováno za úplný popis současných proprietárních doporučovacích systémů Amazon.
Dokument IEEE Linden, Smith a York z roku 2003 „Amazon.com Recommendations: Item-to-Item Collaborative Filtering“ popisuje přístup k personalizovaným doporučením založený na položkách. Dokument to staví do kontrastu s tradičním kolaborativním filtrováním, které vyhledává zákazníky podobné aktuálnímu uživateli. Namísto toho metoda porovnává položky a využívá zájmy zákazníka o položky k identifikaci relevantních doporučení. List uvádí, že jeho online výpočty byly škálovány nezávisle na počtu zákazníků a počtu produktů v katalogu, což řešilo konkrétní technickou výzvu ve velkém obchodě v té době. Přístup typu položka k položce je užitečné chápat jako vzor: vytvořte vztahy mezi položkami z dat interakce a poté použijte položky spojené se zákazníkem jako výchozí body pro generování kandidátů. Vyhýbá se přímému vyhledávání mezi uživateli a sousedy v době požadavku. Přesný výpočet podobnosti, offline příprava, architektura obsluhy a strategie aktualizace jsou možnosti implementace. Skutečný doporučovatel může také kombinovat obsah položky, uživatelský kontext, modely hodnocení, omezení a obchodní logiku. Dokument je historickým důkazem o systému Amazon popsaném v roce 2003, nikoli veřejným plánem pro současnou výlohu Amazon. Moderní katalogy, cíle, data a infrastruktura se mohou změnit. Když o tom diskutujete, pojmenujte autory a rok vydání, vysvětlete hlavní myšlenku jednotlivých položek a nároky na škálování rozsahu podle metody a nastavení papíru. Použijte jej k porovnání možností návrhu doporučení, nikoli k tvrzení, že každé moderní doporučení Amazon stále běží přesně na tomto původním algoritmu.
Historický doporučovatel jednotlivých položek používá položky, které si zákazník prohlédl nebo zakoupil, k načtení souvisejících položek a poté seřadí kandidáty k zobrazení.
Technik předpočítá podobnosti mezi položkami, takže obsluha může používat sousedy položky, místo aby porovnávala každého zákazníka s každým dalším zákazníkem.
Tým porovná kandidáty založené na položkách se základními liniemi založenými na uživatelích nebo obsahu na stejném úkolu doporučení.
Spisovatel odlišuje navržený design papíru z roku 2003 od současných produktů Amazon, jejichž současné algoritmy nejsou plně veřejné.
Architektury doporučení se vyvíjejí s tím, jak se mění katalogy, signály a infrastruktura. Dokument Amazon zůstává užitečnou případovou studií při posunu drahé online práce směrem k předem vypočítaným vztahům položek. Pozdější systémy mohou kombinovat takové kandidáty s naučenými vloženími, kontextem v reálném čase, obchodními pravidly a dalšími modely. Výzkumníci a praktici by měli odlišit klasický publikovaný design od nezdokumentovaného moderního výrobního systému. S tím, jak se mění produktové mixy a omezení poskytování, mohou týmy přehodnotit vyhledávání na základě položek s ohledem na aktuální základní linie a potřeby uživatelů pro dnešní měnící se maloobchodní systémy.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
„Amazon kolaborativní filtrování položek mezi položkami“ je název výzkumného dokumentu Amazon z roku 2003, který popisuje doporučení založená na vztazích mezi položkami spíše než na prvním nalezení uživatelů podobných zákazníkovi. Je to zveřejnění historické veřejné architektury; nemělo by být považováno za úplný popis současných proprietárních doporučovacích systémů Amazon.
Název dokumentu IEEE pojmenovává metodu kolaborativního filtrování mezi položkami.
Článek staví do kontrastu vztahy mezi položkami a hledáním podobných zákazníků.
Dokument uvádí tuto vlastnost měřítka pro svou metodu item-to-item.
Příručka vysvětluje použití položek souvisejících se zákazníky k vyhledání souvisejících kandidátů.
Příručka popisuje přesun výpočtu vztahu položek z přímého kroku uživatelské podobnosti.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Jak funguje doporučovací algoritmus YouTube
Společnosti