Главная » 2015 » Июнь » 27 » Яндекс представил рекомендательную технологию Диско

Яндекс представил рекомендательную технологию Диско

17:26
Сегодня многие сервисы активно внедряют системы персональных рекомендаций, которые экономят пользователю время и помогают сделать оптимальный выбор. Яндекс также озаботился разработкой такой системы, получившей название Диско. Новая технология используется в уже знакомых сервисах компании —в Музыке, Радио, Маркете и Видео. Как сообщают в Яндексе, технология была названа в честь жанра диско. Музыкальная тематика неслучайна — именно на Яндекс.Музыке впервые появились персональные рекомендации. Кроме того, слово «диско» созвучно английскому discovery в значении «открытие нового», что оптимально описывает суть технологии. Поиск предпочтений Технология работает по сложному алгоритму. Прежде чем дать какой-либо совет, необходимо узнать о вкусах конкретного пользователя. В этом Яндекс.Диско помогают несколько источников — поисковые запросы, данные технологии Крипта (пол, примерный возраст, род занятий), а также сведения от сервиса, для которого составляются рекомендации. Например, в Маркете есть информация о том, какие товары просматривал человек, а в Музыке и Радио — какие треки он слушал. Само собой, все данные обезличены. Сигналы о предпочтениях пользователя могут быть положительными и отрицательными. Например, в Яндекс.Радио и Яндекс.Музыке композиции, которые пришлись не по душе, можно пропускать или отмечать оценкой «не нравится». Это отрицательный сигнал — он говорит о том, что в дальнейшем человеку такую музыку рекомендовать не надо. Кроме того, сигналы могут отличаться по весу. И оценка «мне нравится», и факт прослушивания трека от начала до конца являются положительными сигналами, но у первого вес будет больше. Составление рекомендаций Составляя рекомендации, Диско использует три разных подхода. Первый подход опирается на информацию об объектах и связях между ними. Например, про любой музыкальный трек известно, на каком альбоме он вышел, кто его исполняет и к какому жанру он относится. Проанализировав связи, можно посоветовать пользователю похожую музыку. Скажем, если человек часто слушает рок, ему можно предложить другие треки этого жанра. В основе второго подхода лежит информация о связях между людьми. Благодаря Крипте известны пол, примерный возраст и предположительный род занятий каждого пользователя. Установлено, что людей, у которых эти характеристики совпадают, часто интересуют похожие исполнители. Даже если человек пользуется сервисом впервые и ещё не успел ничего послушать, можно проверить, что смотрят, слушают люди со схожими характеристиками — и предложить ему такую же музыку. Третий подход использует данные о взаимодействиях пользователей с объектами. Взаимодействием можно считать, например, факт просмотра видеоролика или оценку «нравится», поставленную музыкальному треку. Опираясь на известные взаимодействия, можно предсказать, как пользователи отреагируют на те или иные объекты — например, какую оценку они поставят фильму, который пока не видели. У каждого из подходов есть свои достоинства. Первый подход позволяет посоветовать человеку редкие объекты, которыми мало кто интересуется — например, малоизвестную музыкальную группу. Второй подход даёт возможность составлять рекомендации для людей, которые оказались на сервисе впервые. Третий подход позволяет найти нетривиальные закономерности: скажем, может выясниться, что люди, которые интересуются надувными бассейнами и фитнес-трекерами, чаще других покупают кофеварки. Обработка рекомендаций Все рекомендации от различных моделей обрабатывает метод машинного обучения Матрикснет. Его задача — составить сочетание рекомендаций, которое бы идеально соответствовало интересам пользователя в данный момент. Решая эту задачу, Матрикснет учитывает множество факторов. Например, фактор разнообразия — людям, у которых в плейлистах соседствуют треки разных жанров и исполнителей, стоит советовать более разнообразную музыку, чем тем, кто привык включать альбом и слушать его от начала до конца. Или фактор популярности — кто-то предпочитает слушать музыку, которую часто крутят радиостанции, а кто-то любит редкие треки, которые известны только узкому кругу меломанов. Результат работы Матрикснета — финальный список рекомендаций. Его пользователь и видит на сервисе — например, на главной странице Яндекс.Музыки или в разделе «Популярные товары» на Яндекс.Маркете.
1 2 3 4 5 Категория: Hi-Tech \| Просмотров: 114 \| Добавил: Admin \| Теги: яндекс, Яндекс.Музыки \| Рейтинг: 0.0/0

Всего комментариев: 0

Тизерная реклама

'); jQuery("form#socail_details input[name=social]").val(scurrent); jQuery("form#socail_details input[name=data]").val(data[scurrent]); updateSocialDetails(scurrent); }; jQuery('a#js-ucf-start').bind('click', function(event) { event.preventDefault(); if (scurrent == 0) { window.open("http://sys000.ucoz.net/cgi/uutils.fcg?a=soc_comment_auth",'SocialLoginWnd','width=500,height=350,resizable=yes,titlebar=yes'); } }); jQuery('.uauth-small-links a.login-with').bind('click', function(event) { event.preventDefault(); var classList = jQuery(this).attr('class').split(' '); var social = providers[classList[1]]; if (typeof(social) != 'undefined' && social.enabled == 1){ if( social.handler ) { social.handler(social); } else {; //unetLoginWnd var newWin = window.open(social.url,"_blank",'width=640,height=500,scrollbars=yes,status=yes'); } } }); }); })(jQuery);

Войдите: