Как работает система рекомендаций в сервисах Яндекса и стриминговых платформах?
Система рекомендаций в сервисах Яндекса основана на алгоритмах, которые учитывают действия пользователей. 3 Рекомендации постоянно меняются и подстраиваются под поведение пользователей. 3
Некоторые факторы, на которых базируются рекомендации:
- Действия пользователя: лайки и дизлайки, оценки, заказы, покупки, клики, просмотры товаров, подборок, фильмов. 4
- Время просмотра, нахождение в сервисе или разделе сервиса. 4
- Информация, которой человек сам делится с Яндексом: геолокация, язык, возраст. 4
- Контекст: неделя или время суток использования. 4
- Свойства контента или товаров: например, жанр фильма. 4
Если предпочтения пользователя изменились, алгоритм это учтёт, и со временем рекомендации адаптируются под новые интересы. 3 Чем активнее пользователь взаимодействует с сервисами, тем точнее будут его персональные рекомендации. 3
В стриминговых платформах система рекомендаций работает на основе анализа большой объёмов информации о пользователе и сопоставления её с данными о фильме, сериале, программе, а также с данными о других зрителях, которые посмотрели и оценили этот контент. 10
Как правило, рекомендации включают три типа фильтрации: 10
- Коллаборативная. 10 На основе действий пользователя его классифицируют по определённой категории. 10 Затем алгоритм идентифицирует действия других людей из той же категории/подобной категории и предлагает контент для просмотра. 10
- На основе содержимого (контентная). 10 Такие механизмы работают в соответствии с описанием элементов и предпочтениями пользователя. 10 В рекомендациях отображаются ключевые понятия, которые потребитель ранее использовал при поиске контента. 10 Например, если он смотрел комедийные шоу, то ему порекомендуют другие программы в этом жанре. 10
- Гибридная. 10 Эта модель объединяет в себе методы двух предыдущих. 10 Самый популярный гибридный подход представляет из себя двухуровневую модель. 10 Сначала в ней работает коллаборативная фильтрация, которая отбирает небольшое число кандидатов, а затем их ранжирует гораздо более мощная контентная модель. 10
