فیلترکردن مشارکتی
- معرفیشده توسط
- GroupLens; Sarwar et al. (item-based); Koren et al. (matrix factorization)
- سال
- 2001
- نوع
- Recommendation from user-item interactions
- خانواده
- Recommender systems
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
فیلترکردن مشارکتی (Collaborative Filtering) با بهرهگیری از ترجیحات بسیاری از کاربران، آیتمهایی را به یک کاربر توصیه میکند — «افرادی که آنچه شما دوست داشتید را دوست داشتند، این را نیز دوست داشتند». این روش از یک ماتریس تعامل کاربر-آیتم پراکنده یاد میگیرد، یا با یافتن کاربران یا آیتمهای مشابه (روشهای همسایگی، که توسط ساروار و همکاران در سال ۲۰۰۱ رسمی شد) یا با تجزیه ماتریس به عوامل پنهان کاربر و آیتم (تجزیه ماتریس، که توسط کورن و همکاران پس از جایزه نتفلیکس محبوب شد).
شهود پشت روش
برای توصیه یک آیتم نیازی به دانستن محتوای آن ندارید — فقط کافی است بدانید افراد چگونه با آن تعامل داشتهاند. فیلترکردن مشارکتی از الگوهای موجود در یک جدول غولپیکر و عمدتاً خالی از کاربران در برابر آیتمها بهرهبرداری میکند: اگر دو کاربر فیلمهای زیادی را به طور مشابه رتبهبندی کرده باشند، موارد مورد علاقه دیده نشده یکی از آنها، گزینههای خوبی برای دیگری هستند (مبتنی بر کاربر)؛ اگر دو آیتم در بین کاربران به طور مشابه رتبهبندی شوند، دوست داشتن یکی، دوست داشتن دیگری را پیشبینی میکند (مبتنی بر آیتم). تجزیه ماتریس عمیقتر عمل میکند و هر رتبهبندی را به عنوان حاصلضرب نقطهای یک بردار «سلیقه» کوتاه برای کاربر و یک بردار «پروفایل» برای آیتم توضیح میدهد که برای بازسازی رتبهبندیهای شناخته شده و پیشبینی موارد گمشده آموزش داده شدهاند.
تاریخ
فیلترکردن مشارکتی از پروژه GroupLens و Tapestry در دهه ۱۹۹۰ پدید آمد. ساروار، کاریپیس، کنستان و ریدل (۲۰۰۱) فیلترکردن مشارکتی مبتنی بر آیتم مقیاسپذیر را رسمی کردند، و جایزه نتفلیکس ۲۰۰۶-۲۰۰۹ روشهای تجزیه ماتریس عامل پنهان را تحریک کرد که در مقاله تأثیرگذار ۲۰۰۹ کورن، بل و ولینسکی خلاصه شده است. این حوزه از آن زمان به بازخورد ضمنی، مدلهای ترکیبی محتوا-مشارکتی و توصیهگرهای یادگیری عمیق گسترش یافته است، اما فیلترکردن مشارکتی همسایگی و تجزیه ماتریس همچنان تکنیکهای بنیادی باقی ماندهاند.
چه زمانی استفاده شود
از فیلترکردن مشارکتی برای ساخت توصیهها تنها از دادههای تعاملی استفاده کنید — تجارت الکترونیک، پخش جریانی، اخبار و پلتفرمهای محتوا — زمانی که کاربران و تعاملات کافی برای آشکارسازی الگوهای مشترک دارید و نمیخواهید به محتوای آیتم تکیه کنید. روشهای همسایگی ساده و قابل تفسیر هستند («زیرا شما X را دوست داشتید»)؛ تجزیه ماتریس بهتر مقیاسپذیر است، پراکندگی را مدیریت میکند و معمولاً دقیقتر پیشبینی میکند. محدودیتهای کلیدی: مشکل شروع سرد (کاربران/آیتمهای جدید بدون تعامل نمیتوانند جایگذاری شوند)، پراکندگی و سوگیری محبوبیت، و نیاز به دادههای تعاملی قابل توجه. فیلترکردن مشارکتی خالص، ویژگیهای آیتم/کاربر را نادیده میگیرد، بنابراین اغلب با ویژگیهای محتوایی در توصیهگرهای ترکیبی ترکیب میشود؛ توصیهگرهای بازخورد ضمنی و یادگیری عمیق همین ایده را گسترش میدهند. این روش ارتباط نزدیکی با تکمیل ماتریس و NMF دارد.
محدودیتها و ملاحظات
- شروع سرد: نمیتواند برای کاربران یا آیتمهای جدید بدون تعامل توصیه کند.
- حساس به پراکندگی و سوگیری به سمت آیتمهای محبوب.
- ویژگیهای آیتم/کاربر (محتوا) را نادیده میگیرد، برخلاف رویکردهای ترکیبی.
- برای عملکرد خوب به دادههای تعاملی قابل توجهی نیاز دارد.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- فقط به دادههای تعاملی نیاز دارد — بدون محتوای آیتم یا مهندسی ویژگی.
- الگوهای سلیقه ظریف و دشوار برای بیان را از جمعیت استخراج میکند.
- تجزیه ماتریس به ماتریسهای بزرگ و پراکنده مقیاسپذیر است و دقیق پیشبینی میکند.
- روشهای همسایگی توضیحات قابل تفسیر «زیرا شما ... را دوست داشتید» را ارائه میدهند.
کاربردها
- توصیههای محصول در تجارت الکترونیک.
- توصیههای فیلم، موسیقی و ویدئو در پلتفرمهای پخش جریانی.
- شخصیسازی اخبار و محتوا.
- پیشنهادات دوست / اتصال در شبکههای اجتماعی.
- ویژگیهای فروش متقابل و «مشتریان همچنین خریدند».
چگونه کار میکند
چگونه کار میکند
ورودی یک ماتریس کاربر-آیتم از رتبهبندیها یا تعاملات ضمنی (کلیکها، خریدها) است. این ماتریس به شدت پراکنده است — بیشتر ورودیها ناشناخته هستند — و وظیفه این است که ورودیهای گمشده (چگونه یک کاربر یک آیتم دیده نشده را رتبهبندی/دوست خواهد داشت) را پیشبینی کنیم تا برترین پیشبینیها قابل توصیه باشند.
فرمول
R \in \mathbb{R}^{u\times i}\ \text{(ratings/interactions, mostly missing)}روشهای همسایگی، شباهت بین کاربران (یا بین آیتمها) را از رتبهبندیهای مشترک آنها محاسبه میکنند، معمولاً شباهت کسینوسی یا همبستگی پیرسون. شباهت بالا به این معنی است که دو کاربر سلیقه مشترکی دارند، یا دو آیتم مخاطبان یکسانی را جذب میکنند؛ این شباهتها پیشبینیها را هدایت میکنند.
فرمول
\text{sim}(a,b) = \dfrac{\sum_k r_{ak} r_{bk}}{\sqrt{\sum r_{ak}^2}\sqrt{\sum r_{bk}^2}}\ (\text{cosine / Pearson})فیلترکردن مشارکتی مبتنی بر آیتم، رتبهبندی کاربر برای یک آیتم را به عنوان میانگین وزنی شباهت رتبهبندیهای آن کاربر برای آیتمهای مشابه پیشبینی میکند (روش مبتنی بر کاربر نیز کار مشابهی را برای کاربران مشابه انجام میدهد). روش مبتنی بر آیتم معمولاً در مقیاس بزرگ ترجیح داده میشود زیرا شباهتهای آیتم-آیتم پایدارتر و قابل پیشمحاسبه هستند.
فرمول
\hat r_{ui} = \dfrac{\sum_{j\in N(i)} \text{sim}(i,j)\, r_{uj}}{\sum_{j\in N(i)} |\text{sim}(i,j)|}مدلهای عامل پنهان، ماتریس رتبهبندی را به ماتریسهای کاربر و آیتم با رتبه پایین تجزیه میکنند، به طوری که هر رتبهبندی با حاصلضرب نقطهای یک بردار عامل کاربر و یک بردار عامل آیتم تقریب زده میشود. این عوامل با حداقل کردن خطای مربعات منظم شده بر روی رتبهبندیهای مشاهده شده (از طریق SGD یا حداقل مربعات متناوب) یاد گرفته میشوند و ابعاد پنهان سلیقه را به تصویر میکشند، تعمیمپذیری بهتری دارند و پراکندگی را به خوبی مدیریت میکنند.
فرمول
\hat r_{ui} = p_u^\top q_i,\quad \min_{P,Q}\sum_{(u,i)\in\mathcal{K}} (r_{ui}-p_u^\top q_i)^2 + \lambda(\lVert p_u\rVert^2+\lVert q_i\rVert^2)دامهای رایج
- نادیده گرفتن مشکل شروع سرد در استقرار (آیتمهای جدید در معرض دید قرار نمیگیرند).
- ارزیابی تنها بر اساس خطای رتبهبندی در حالی که رتبهبندی/N برتر و سوگیری محبوبیت نادیده گرفته میشود.
- استفاده از CF مبتنی بر کاربر در مقیاس بزرگ که در آن روش مبتنی بر آیتم یا تجزیه ماتریس بسیار کارآمدتر است.
- نشت تعاملات آینده به آموزش هنگام تقسیم دادهها (باید بر اساس زمان تقسیم شود).
پرسشهای متداول
تفاوت بین فیلترکردن مشارکتی مبتنی بر کاربر و مبتنی بر آیتم چیست؟
CF مبتنی بر کاربر، آیتمهایی را که توسط کاربران مشابه شما دوست داشته شدهاند، توصیه میکند؛ CF مبتنی بر آیتم، آیتمهایی را که مشابه (از نظر نحوه رتبهبندی توسط کاربران) آیتمهایی هستند که قبلاً دوست داشتید، توصیه میکند. روش مبتنی بر آیتم معمولاً در مقیاس بزرگ ترجیح داده میشود زیرا شباهتهای آیتم-آیتم در طول زمان پایدارتر هستند و میتوانند به صورت آفلاین پیشمحاسبه شوند.
چگونه تجزیه ماتریس روشهای همسایگی را بهبود میبخشد؟
این روش کاربران و آیتمها را با بردارهای عامل پنهان کوتاه که از دادهها یاد گرفته شدهاند، نمایش میدهد، به طوری که هر رتبهبندی حاصلضرب نقطهای آنهاست. این کار ابعاد پنهان سلیقه را به تصویر میکشد، پراکندگی را بهتر مدیریت میکند، فراتر از همسایگان مستقیم تعمیم مییابد و معمولاً دقیقتر پیشبینی میکند — به همین دلیل بر راهحلهای جایزه نتفلیکس غالب شد.
مشکل شروع سرد چیست؟
فیلترکردن مشارکتی به تعاملات گذشته متکی است، بنابراین نمیتواند توصیههای خوبی برای کاربران یا آیتمهای کاملاً جدید که هیچ تعاملی ندارند، ارائه دهد. راهحلها شامل درخواست ترجیحات اولیه، بازگشت به محبوبیت، یا ترکیب با ویژگیهای مبتنی بر محتوا است که به سابقه تعامل نیاز ندارند.
روشهای مرتبط
منابع
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. Proceedings of the 10th International Conference on World Wide Web, 285–295.
باز کردن مرجع DOIکپی شد.Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37.
باز کردن مرجع DOIکپی شد.