Kapitel 28. Empfehlung
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die Aufgabe der Empfehlung ist eine der intuitivsten. Indem du die expliziten (durch Bewertungen) oder impliziten (durch beobachtetes Verhalten) Vorlieben der Menschen untersuchst, kannst du Empfehlungen aussprechen, was einem Nutzer gefallen könnte, indem du Ähnlichkeiten zwischen ihm und anderen Nutzern oder zwischen den Produkten, die ihm gefallen haben, und anderen Produkten herstellst. Anhand der zugrunde liegenden Ähnlichkeiten können Empfehlungsmaschinen anderen Nutzern neue Empfehlungen geben.
Anwendungsfälle
Empfehlungsmaschinen sind einer der besten Anwendungsfälle für Big Data. Es ist relativ einfach, Trainingsdaten über die bisherigen Vorlieben der Nutzer/innen in großem Umfang zu sammeln, und diese Daten können in vielen Bereichen genutzt werden, um Nutzer/innen mit neuen Inhalten in Verbindung zu bringen. Spark ist ein beliebtes Open-Source-Tool, das von einer Vielzahl von Unternehmen für groß angelegte Empfehlungen genutzt wird:
- Film-Empfehlungen
-
Amazon, Netflix, und HBO wollen ihren Nutzern relevante Film- und Fernsehinhalte anbieten. Netflix setzt Spark ein, um seinen Nutzern in großem Umfang Filmempfehlungen zu geben.
- Kursempfehlungen
-
Eine Schule möchte ihren Schülern vielleicht Kurse empfehlen, indem sie untersucht, welche Kurse ähnliche Schüler mochten oder belegt haben. Daten über frühere Anmeldungen ...
Get Spark: Der endgültige Leitfaden now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
