Словарь ИИ
Что такое рекомендательная система
Коротко
Рекомендательная система это программа, которая по поведению пользователя и похожих на него людей подбирает товары, фильмы, музыку или статьи, которые ему, вероятно, понравятся.
Основы ИИ · recommender system
Михаил МозгПроверено: 1 минута чтения
Ребенку
Библиотекарь знает, что ты любишь книги про динозавров. Когда приходит новая книжка про древних ящеров, она откладывает ее для тебя. А еще она замечает, что ребятам, которые читают про динозавров, часто нравятся книги про космос. Так она подсказывает тебе что-то новое. Компьютерный помощник в магазине игрушек или в приложении с мультиками делает то же самое, только для огромного числа детей сразу.
Простыми словами
Когда сайт показывает блок «вам может понравиться», за ним стоит рекомендательная система. Работает она двумя основными способами. Первый: ищет людей с похожими вкусами и предлагает то, что понравилось им, а вам еще не попадалось. Это коллаборативная фильтрация. Второй: смотрит на свойства товара, например жанр фильма или бренд кроссовок, и подбирает похожее на то, что вы уже выбрали. Обычно способы смешивают. Система учитывает клики, покупки, время просмотра и постоянно обновляется, поэтому лента у каждого своя.
Для бизнеса
Для магазина или сервиса рекомендации дают выручку без новых клиентов: растут средний чек, число товаров в заказе и повторные покупки. Эффект считают A/B-тестом, сравнивая группу с рекомендациями и без них. Цена зависит от размера каталога и истории продаж: готовые облачные модули подключаются быстро, своя модель нужна, когда товаров много и важна точность. Риски: «холодный старт» для новых товаров и покупателей, перекос в пользу популярного, навязчивые подсказки, которые раздражают. История покупок относится к персональным данным, поэтому хранение и обработку проверяют на соответствие 152-ФЗ. Где такие подсказки окупаются, видно на примере ИИ для интернет-магазина.
Для специалиста
Рекомендательные системы (recommender systems) решают задачу ранжирования объектов для пользователя по неявной (клики, просмотры) и явной (оценки) обратной связи. Классические подходы: фильтрация по содержанию (content-based filtering), коллаборативная фильтрация (collaborative filtering) по соседям или через матричную факторизацию, когда матрицу «пользователь на объект» приближают произведением матриц скрытых факторов, и гибридные схемы. Промышленные системы строят каскадом: П. Ковингтон и соавторы (RecSys 2016) описали для YouTube глубокую модель генерации кандидатов, которая отбирает небольшой набор роликов из всего каталога, и отдельную модель ранжирования. Современные варианты учитывают сразу несколько модальностей, например текст описания и фото товара, используют последовательные модели и трансформеры над историей действий, графовые нейросети и эмбеддинги с векторным поиском. Качество оценивают офлайн метриками ранжирования (precision@k, NDCG) и онлайн A/B-тестами, отдельно следят за разнообразием выдачи.
Пример
Онлайн-кинотеатр замечает, что зрители, досмотревшие детективный сериал до конца, часто включают скандинавские триллеры. Система начинает предлагать их после финальной серии, и зрители реже уходят с сервиса между сезонами.
Связанные термины
Вопросы и ответы
Как работает рекомендательная система?
Где используют рекомендательные системы?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений