Персональные рекомендации в ivi: Hydra

[YetAnotherSlava]

Обычно под организацией «Гидра» понимается что-то совсем другое, хоть и близкое — с поставщиками, рекомендациями…

[achekalin]

Обычные рекомендаторы страдают от:

1. Неверного понимания интересов человека. Скажем, человек ищет все фильмы с Сигалом — это машине понятно. Но найти все, где сюжет интереснее тупого голливудского "шел хороший, увидел плохого, добро победило" — тут никак.
2. Плохого тегирования даже имеющегося контента. Кино, где есть и тайна, и поцелуи, и погоня, пойдет в рубрики детектив, экшен, боевик, мелодрама, может ещё комедия — а это делает рекомендации неэффективными изначально.
3. Попыток рекомендаций на основе названий. Это вообще клиника.

Как с этим у вас?

[nikolay_karelin]

Если я ничего ни путаю, то у автора идет рекомендация по принципу "подскажи, что еще смотрят люди, которые смотрят тоже, что и я" (на основе user-item матрицы). Содержание или описание фильма систему рекомендаций особо не интересуют.

[achekalin]

Идея хороша, но чтобы она давала плоды, другие должны смотреть адекватно выбрамюнные фильмы. А если в системе все без мысли в голове, то рекомендации будут лишь инфошумом.
Что и имеем сегодня почти во всех рекомендаторах. Работает либо модель с тегами (умно расставленными), либо принимать во внимание только мнения доверенных людей.
Иначе получаем те же "Ответы Мейл ру".

[Dju]

Мощь рекомендательных систем,, основанных на методах коллаборативной фильтрации, как раз в способности отфильтровывать «информационный шум» и вылавливать ценную информацию о взаимосвязях между фильмами среди десятков миллионов пользовательских просмотров. Теги в ivi, конечно, используются — но работают они только на ранних этапах, когда контент недавно появился на сервисе и не успел набрать статистику. С ростом числа просмотров рекомендательный движок начинает понимать, какой аудитории предложить данный контент.