Recommender system będzie mierzyć korelację między ocenie różnych użytkowników i zaleceń dochodowości dla danego użytkownika na temat elementów, które mogą być interesujące dla niego.
Jednak gusta zmieniają się z czasem, więc stare oceny mogą nie odzwierciedlać obecnych preferencji i odwrotnie. Być może kiedyś umieściłeś „doskonałą” w książce, którą teraz oceniasz jako „niezbyt obrzydliwą” i tak dalej. Co więcej, same interesy również się zmieniają.
Jak systemy rekomendujące powinny działać w zmieniającym się środowisku?
- Jedną z opcji jest odcięcie „starych” ocen, które mogą działać dobrze, zakładając, że poprawnie zdefiniujesz „stare” (możesz nawet powiedzieć, że oceny nigdy nie wygasają i udawać, że problem nie istnieje). Ale nie jest to najlepsza możliwa opcja: oczywiście smaki ewoluują, jest to normalny przebieg życia i nie ma powodu, dla którego nie możemy skorzystać z dodatkowej wiedzy o wcześniejszych prawidłowych ocenach.
- Inną opcją jest jakoś dostosowanie tej dodatkowej wiedzy. Dlatego nie mogliśmy po prostu znaleźć „natychmiastowego dopasowania” do twoich bieżących zainteresowań, ale zasugerować Ci to, co może Ci się podobać w przyszłości (w przeciwieństwie do rzeczy, które możesz teraz lubić ).
Nie jestem pewien, czy wyjaśniam to wystarczająco dobrze. Zasadniczo opowiadam się za drugim podejściem i mówię o systemie rekomendującym, który mierzyłby korelacje trajektorii smaku i rekomendacji wydajności, które zaspokoją ... no to nazwijmy to rozwojem osobistym - ponieważ będą pochodzić od ludzi, których „trajektoria smaku” (i nie tylko „migawka smaku”) jest podobna do twojej.
Teraz pytanie: zastanawiam się, czy coś podobnego do „opcji 2” już istnieje, a jeśli tak, zastanawiam się, jak to działa. A jeśli nie istnieje, możesz przedyskutować, jak to powinno działać! :)