Сегодня: ()

 

РЕКОМЕНДАТЕЛЬНЫЕ ТЕХНОЛОГИИ

 

# Кто и когда ввёл понятие?

Понятие «рекомендательные технологии» в широкий официальный оборот (в том числе в законодательство) ввели сравнительно недавно — в 2023 году в России. Это закрепили Федеральным законом от 31.07.2023 № 408-ФЗ, который внёс изменения в Закон об информации. По сути, закон дал описательное определение: это технологии, которые собирают, систематизируют и анализируют сведения о предпочтениях пользователя, чтобы на этой основе подбирать и предлагать ему информацию.

 

А вот сама "идея и первые прототипы" появились гораздо раньше. Часто отправной точкой называют 1979 год и работу компьютерного учёного Элейн Рич. Она создала систему Grundy — своего рода цифрового библиотекаря. Рич предложила задавать пользователям вопросы, чтобы классифицировать их по «стереотипам» (группам предпочтений, например «любитель научной фантастики» или «романтики»), и на этой основе подбирать книги.

 

Позже, в начале 1990-х, развивались и другие подходы. Например, в 1992 году в исследовательском центре Xerox PARC появилась система Tapestry. Она работала с электронной почтой: пользователи оставляли аннотации (пометки о важности) к сообщениям, а система использовала эти оценки других людей, чтобы фильтровать поток документов. Именно в материалах про Tapestry впервые появился термин «коллаборативная фильтрация» (collaborative filtering) — идея, что люди помогают друг другу фильтровать информацию. А в 1994 году группа исследователей (Пол Резник, Джон Ридл и другие) представила систему GroupLens. Она автоматизировала коллаборативную фильтрацию: пользователи оценивали статьи в Usenet, а система на основе этих оценок предсказывала, какие материалы понравятся конкретному человеку.

 

# В чём смысл и суть?

Суть рекомендательных технологий — "помочь пользователю в условиях информационного избытка". Когда вариантов слишком много (тысячи фильмов, товаров, новостей), человеку сложно выбрать самое подходящее. Такие технологии берут на себя часть этой задачи: они анализируют поведение и предпочтения человека (что он смотрел, кликал, покупал, оценивал) и на этой основе прогнозируют, что ему может понравиться в следующий раз.

Цель — сделать взаимодействие с сервисом более персонализированным, удобным и вовлекающим.

 

# Какие бывают подходы (на чём строятся)?

* "Контентная фильтрация". Система опирается на свойства самих объектов. Например, если пользователь любил фильмы с определённым актёром или в определённом жанре, алгоритм будет подбирать похожие. 
* "Коллаборативная фильтрация". Здесь смотрят на поведение группы людей. Если два пользователя имели схожие вкусы в прошлом, система предполагает, что и в будущем их интересы будут пересекаться, и рекомендует одному то, что понравилось другому. 
* "Гибридные подходы". Часто комбинируют несколько методов, чтобы повысить точность рекомендаций. 

 

# Примеры

* Блок "Вам может понравиться" в интернет-магазине.
* Лента «Для вас» в соцсети или видеосервисе.
* Подбор музыкальных треков в стриминговом сервисе.
* Функция «Покупатели, которые приобрели этот товар, также купили…» на Amazon.
* Рекомендации в сервисах онлайн-знакомств или при подборе ресторанов. [```9```](https://en.wikipedia.org/wiki/Recommender_system)

 

# Краткое определение

"Рекомендательные технологии" — это совокупность методов и алгоритмов, которые на основе сбора, анализа и систематизации данных о предпочтениях и поведении пользователя прогнозируют его будущие интересы и автоматически подбирают для него релевантные объекты (товары, контент, услуги). 

 

Хотите копнуть глубже в какой-то из методов (например, разобрать математику коллаборативной фильтрации) или посмотреть, как эти технологии применяют в конкретной сфере (медицина, образование)? Спрашивайте!