Quali sono i sistemi di raccomandazione?

Sistemi di raccomandazione sono sistemi che rendono le raccomandazioni per gli utenti sulla base dei dati degli utenti sono entrati nel sistema. I più dati di un utente ha fornito, i più precisi tali sistemi possono essere. Inoltre, i dati presentati da singoli utenti aiuta a migliorare il sistema generale, generando informazioni che possono essere utilizzate per formulare raccomandazioni per gli altri utenti. Sistemi di raccomandazione sono comunemente visto su siti come film e siti di recensioni televisive e quelli con grandi scorte di articoli al dettaglio che sarebbe funzionalmente impossibile navigare, cercando in ogni articolo.

Questi sistemi possono interagire con gli utenti in un numero di modi diversi. Uno è come un servizio agli utenti che sono alla ricerca di altre cose che potrebbero essere interessati, come ulteriori letture, spettacoli televisivi, o videogiochi. In questi sistemi, l'utente genera un elenco di simpatie e antipatie e il sistema tenta di prevedere come l'utente voterà sulle cose che lui o lei non ha votato ancora. Se si pensa che qualcosa avrebbe un rating elevato, suggerisce all'utente.

Sistemi di raccomandazione ben progettati imparano dai loro errori. Un sistema potrebbe raccomandare The Sound of Music, perché un utente è Willy Wonka e la fabbrica di cioccolato. L'utente può selezionare opzioni come "Mi piace questo" o "Non mi piace questo." Se l'utente non piaceva The Sound of Music, il sistema potrebbe prenderne atto e perfezionare ulteriormente l'algoritmo utilizzato per generare raccomandazioni. I più dati maturati, i più utili le raccomandazioni saranno.

Siti di vendita al dettaglio utilizzano sistemi di raccomandazione per invogliare la gente a fare acquisti di impulso. Il sistema prende atto di articoli acquistati e raccomanda elementi correlati e utili. Per esempio, qualcuno che sta comprando una macchina fotografica potrebbe essere chiesto se lui o lei vuole acquistare un caricabatterie, una macchina fotografica, filtri e lenti addizionali. Qualcuno l'acquisto di un libro sulla teoria femminista potrebbe essere detto che altri acquirenti di quel titolo godono anche un altro, il titolo correlato. Questi tipi di sistemi di raccomandazione consentono di marketing personalizzato che è altamente probabile fare appello agli utenti.

Questi sistemi si basano sul filtraggio collaborativo dei dati, in cui i dati provenienti da un gran numero di utenti è organizzata in modo significativo. Questo permette al sito di effettuare connessioni che non potrebbero altrimenti risulteranno evidenti, migliorando la qualità delle raccomandazioni. Gli utenti che non vogliono partecipare di solito può modificare le opzioni nelle loro impostazioni utente, ma ridurrà la qualità delle raccomandazioni che ricevono, perché il sistema non può imparare dalle preferenze dell'individuo, solo l'opinione collettiva degli altri utenti.