1
00:00:00,000 --> 00:00:03,416
>> [REPRODUCCIÓ DE MÚSICA]

2
00:00:03,416 --> 00:00:05,860

3
00:00:05,860 --> 00:00:08,180
>> CERVELL Scassellati: Benvingut
a la sèrie CS50 AI.

4
00:00:08,180 --> 00:00:12,600
El meu nom és Scass, i avui anem
per parlar dels sistemes de recomanació.

5
00:00:12,600 --> 00:00:15,780
Ara de recomanació sons sistemes
com una mena d'estrany nom.

6
00:00:15,780 --> 00:00:18,630
Sona com potser el que hauria
ser sistemes de recomanació,

7
00:00:18,630 --> 00:00:21,290
i que tipus d'acord amb vostè.

8
00:00:21,290 --> 00:00:26,110
Però aquests són els sistemes que ajuden
seleccioneu coses similars sempre que sigui

9
00:00:26,110 --> 00:00:28,210
selecciona alguna cosa en línia.

10
00:00:28,210 --> 00:00:32,119
Netflix, per exemple suggerirà una altra
pel·lícules que vostè pot ser que vulgueu veure.

11
00:00:32,119 --> 00:00:36,660
O Pandora suggerirà diferent
cançons que és possible que vulgueu escoltar.

12
00:00:36,660 --> 00:00:40,940
Amazon li suggerirà quin tipus de
Altres productes que et poden voler comprar.

13
00:00:40,940 --> 00:00:43,520
Facebook fins i tot suggerir
alguns dels altres amics

14
00:00:43,520 --> 00:00:45,440
que és possible que vulgueu afegir.

15
00:00:45,440 --> 00:00:49,800
Cada un d'aquests sistemes funcionen amb
el mateix tipus bàsic d'algorisme,

16
00:00:49,800 --> 00:00:52,520
i això és el que estem
va a parlar avui.

17
00:00:52,520 --> 00:00:56,860
>> Ara bé, aquests algoritmes són
sorprenentment grans empreses.

18
00:00:56,860 --> 00:01:01,130
Netflix fa uns anys en
2009 va oferir un $ 1.000.000

19
00:01:01,130 --> 00:01:07,240
premi si vostè podria millorar la seva
sistema de recomanació en només un 10%.

20
00:01:07,240 --> 00:01:11,960
Que el 10%, però, representa una
quantitat substancial dels negocis.

21
00:01:11,960 --> 00:01:15,330
Les estimacions són difícils de
aconseguir, però moltes persones

22
00:01:15,330 --> 00:01:19,050
Creiem que aquestes recomanacions
sistemes per a una compra en línia

23
00:01:19,050 --> 00:01:25,729
sistema com Amazon condueixen a algun lloc
entre 10% i 25% majors ingressos.

24
00:01:25,729 --> 00:01:27,770
Així que vostè pot imaginar el
tipus de volum que ets

25
00:01:27,770 --> 00:01:32,860
parlant de quan pensem en
fins i tot aquests petits algoritmes.

26
00:01:32,860 --> 00:01:35,200
>> Així que anem a obtenir alguns exemples.

27
00:01:35,200 --> 00:01:38,460
Com és que aquests
sistemes funcionen realment?

28
00:01:38,460 --> 00:01:40,773
No són dos bàsica
tipus d'algoritmes que

29
00:01:40,773 --> 00:01:45,050
estan en joc quan parlem de
recomanacions de generació.

30
00:01:45,050 --> 00:01:48,650
Les primeres es denominen
filtrat basat en contingut.

31
00:01:48,650 --> 00:01:53,410
I el filtrat basat en contingut es basa
sobre similituds entre els elements

32
00:01:53,410 --> 00:02:00,370
a si mateixos, és a dir, entre dues pel·lícules
o dues cançons o dos articles comprats.

33
00:02:00,370 --> 00:02:03,190
Utilitzarem pel·lícules
com un exemple, però això

34
00:02:03,190 --> 00:02:07,850
podria aplicar-se, en realitat, a qualsevol tipus
d'objecte que estem buscant.

35
00:02:07,850 --> 00:02:13,330
>> Així que si penso en alguns
pel·lícules de l'any passat,

36
00:02:13,330 --> 00:02:16,799
Vaig veure Inside Out amb
meus fills, els va encantar.

37
00:02:16,799 --> 00:02:17,840
Però també vam tenir una elecció.

38
00:02:17,840 --> 00:02:21,350
Podríem haver anat a veure els esbirros,
podríem vist Edat d'Ultron,

39
00:02:21,350 --> 00:02:24,850
o podríem haver vist
Home Formiga en els teatres.

40
00:02:24,850 --> 00:02:27,580
>> Per a qualsevol d'aquests
pel·lícules, podríem imaginar

41
00:02:27,580 --> 00:02:33,320
la generació d'una llista de característiques o
qualitats dels diferents pel·lícules.

42
00:02:33,320 --> 00:02:37,190
Així, per exemple, podria considerar
quines d'aquestes pel·lícules estan animats.

43
00:02:37,190 --> 00:02:39,960
Bé, tant Inside Out
i esbirros estan animats.

44
00:02:39,960 --> 00:02:44,140
Ni l'edat ni d'Ultron
Home Formiga són pel·lícules animades.

45
00:02:44,140 --> 00:02:47,040
I jo podia imaginar edifici
una estructura, una taula que

46
00:02:47,040 --> 00:02:49,440
enumera cadascuna d'aquestes propietats.

47
00:02:49,440 --> 00:02:51,790
Estan animats o no?

48
00:02:51,790 --> 00:02:54,780
Llavors jo podria afegir més
característiques a aquesta taula

49
00:02:54,780 --> 00:02:58,380
mitjançant l'addició de més files en aquesta estructura.

50
00:02:58,380 --> 00:03:00,970
Jo podria preguntar si
No són pel·lícules de Marvel.

51
00:03:00,970 --> 00:03:04,010
Bé, Inside Out i Minions
No són les pel·lícules de Marvel,

52
00:03:04,010 --> 00:03:06,715
Edat d'Ultron i Ant home certament ho són.

53
00:03:06,715 --> 00:03:09,100
>> I jo podria fer qualsevol tipus
de diferents qualitats

54
00:03:09,100 --> 00:03:12,080
que jo volia, qualsevol tipus de característiques
que podria ser important per a mi.

55
00:03:12,080 --> 00:03:13,440
Tenen un super dolent?

56
00:03:13,440 --> 00:03:16,700
Bé, no hi ha súper vilà a l'interior
, Però n'hi ha en Minions

57
00:03:16,700 --> 00:03:19,990
i en, òbviament, la
dues pel·lícules de superherois.

58
00:03:19,990 --> 00:03:23,900
>> Jo també podria preguntar-li coses com, bé,
no passen la prova Bechdel?

59
00:03:23,900 --> 00:03:27,280
Hi ha dos nomenats
personatges femenins que

60
00:03:27,280 --> 00:03:30,550
passar algun quantitat significativa de
temps tenir una conversa que

61
00:03:30,550 --> 00:03:34,400
no involucrar els homes en l'elenc?

62
00:03:34,400 --> 00:03:39,870
Bé, en aquest cas, Inside Out passa
la prova, Minions falla, Age of Ultron

63
00:03:39,870 --> 00:03:42,990
passa la prova, i no Ant Man.

64
00:03:42,990 --> 00:03:45,020
Qualsevol d'aquestes característiques
El que podia pensar

65
00:03:45,020 --> 00:03:48,660
com importants per a algunes persones.

66
00:03:48,660 --> 00:03:52,000
>> Jo també podria preguntar-li coses com són
Hi ha alguna gent en aquestes pel·lícules que

67
00:03:52,000 --> 00:03:57,190
són ex alumnes de diguem, Parcs i
Recreació, un dels meus programes favorits.

68
00:03:57,190 --> 00:04:00,540
Bé, Inside Out compta amb Amy
Poehler, que és una d'Antics Alumnes.

69
00:04:00,540 --> 00:04:01,530
Això compte.

70
00:04:01,530 --> 00:04:04,110
Jon Hamm estava en Minions.

71
00:04:04,110 --> 00:04:08,600
Paul Rudd estava en Ant Man, però ningú
a Age of Ultron era a Parcs i Req

72
00:04:08,600 --> 00:04:10,150
tant be.

73
00:04:10,150 --> 00:04:12,990
Així que puc construir aquesta llista de
característiques, i que van poder realment

74
00:04:12,990 --> 00:04:14,710
ser qualsevol cosa sobre les pel·lícules.

75
00:04:14,710 --> 00:04:17,329
Podrien ser d'allò
relació d'aspecte que es va rodar a,

76
00:04:17,329 --> 00:04:21,630
que podria ser el nombre d'escons que
venut en el primer cap de setmana.

77
00:04:21,630 --> 00:04:25,630
Qualsevol característica que vull
gènere que puc posar en aquesta taula.

78
00:04:25,630 --> 00:04:29,600
>> Ara, en aquest cas, he construït
tot tipus de valors de lingots,

79
00:04:29,600 --> 00:04:33,700
si o no, passar o fallar,
però podrien ser qualsevol cosa.

80
00:04:33,700 --> 00:04:36,690
Podrien ser valors arbitraris.

81
00:04:36,690 --> 00:04:39,070
Per al filtrat de continguts basat,
el que farem

82
00:04:39,070 --> 00:04:42,810
és que tindrem en compte
dues columnes d'aquesta taula

83
00:04:42,810 --> 00:04:45,660
i veure el similars que són.

84
00:04:45,660 --> 00:04:48,640
Així, per exemple, si
va anar a veure Inside Out,

85
00:04:48,640 --> 00:04:53,640
Jo podria preguntar, quines són les altres pel·lícules
que podria estar disposat a anar a veure.

86
00:04:53,640 --> 00:04:56,890
És a dir, que es disposa a
gastar els meus diners per anar a veure.

87
00:04:56,890 --> 00:05:00,310
I puc comparar això amb només prendre
les dues columnes, un des de dins cap a fora

88
00:05:00,310 --> 00:05:03,300
i un qualsevol dels
altres pel·lícules, i només veure

89
00:05:03,300 --> 00:05:06,210
quants del seu partit de característiques.

90
00:05:06,210 --> 00:05:09,660
Així que si comparo Inside Out
amb esbirros, bé, hi ha

91
00:05:09,660 --> 00:05:10,910
tres coses aquí que els partits.

92
00:05:10,910 --> 00:05:16,200
Tots dos estan animats, cap dels dos
són les pel·lícules de Marvel, i dos d'ells

93
00:05:16,200 --> 00:05:18,420
tenir Parcs i Req exalumnes.

94
00:05:18,420 --> 00:05:20,420
Així que podria comptar fins a com
molts partits hi va haver,

95
00:05:20,420 --> 00:05:22,640
i en aquest cas no hi hauria tres.

96
00:05:22,640 --> 00:05:26,450
>> Doncs si jo comparo Inside Out
amb diguem Edat d'Ultron,

97
00:05:26,450 --> 00:05:28,430
Puc mirar avall a la llista
i dir, bé, hi ha

98
00:05:28,430 --> 00:05:30,140
només una cosa que coincideix allà.

99
00:05:30,140 --> 00:05:34,560
Tots dos passen la prova de Bechtel, per la qual
que hi haurà una puntuació d'un.

100
00:05:34,560 --> 00:05:36,770
I entre Inside Out
i l'Home Formiga, una altra vegada

101
00:05:36,770 --> 00:05:41,420
pot comparar línia per línia el nombre de
coses coincideixen entre ells dos.

102
00:05:41,420 --> 00:05:43,060
Bé, un ANIMADA, un no és.

103
00:05:43,060 --> 00:05:44,970
Un és una pel·lícula de Marvel, un no és.

104
00:05:44,970 --> 00:05:47,280
Un té un súper vilà,
l'altra no.

105
00:05:47,280 --> 00:05:49,480
Es passa la Bechtel
prova, una falla,

106
00:05:49,480 --> 00:05:54,450
però tots dos tenen Parcs i Req alumnes,
així que de nou, obté una puntuació d'un.

107
00:05:54,450 --> 00:05:58,300
>> Així que si jo estàvem buscant pel·lícules
que eren similars a Inside Out,

108
00:05:58,300 --> 00:06:02,170
Jo podria buscar les pel·lícules que tenen
la puntuació més alt dins d'aquest contingut

109
00:06:02,170 --> 00:06:03,952
esquema de filtrat.

110
00:06:03,952 --> 00:06:05,660
Així que en aquest cas,
consideraria Minions

111
00:06:05,660 --> 00:06:08,330
per estar més a prop i més
probable que sigui una cosa

112
00:06:08,330 --> 00:06:13,250
que anava a gastar diners per veure
que era d'Ultron o l'Home Formiga.

113
00:06:13,250 --> 00:06:16,150
>> Basada Aquests continguts
sistemes de filtrat es basen simplement

114
00:06:16,150 --> 00:06:18,670
en les propietats de
les pel·lícules, i pel que

115
00:06:18,670 --> 00:06:21,930
pot construir aquests només coneixent
alguna cosa sobre els productes

116
00:06:21,930 --> 00:06:23,500
que tinc.

117
00:06:23,500 --> 00:06:26,050
Puc utilitzar qualsevol tipus de
característiques que m'agradaria,

118
00:06:26,050 --> 00:06:28,400
i puc construir més
característiques complexes que

119
00:06:28,400 --> 00:06:33,060
involucrar la prova més complexa
d'una qualitat a mesura que avanço.

120
00:06:33,060 --> 00:06:39,080
De fet, fins i tot puc veure aquesta taula
no com un objecte estàtic,

121
00:06:39,080 --> 00:06:43,110
sinó més aviat com sent dimensions
dins d'un espai d'estat major.

122
00:06:43,110 --> 00:06:46,295
I puc començar a parlar de la
distàncies entre diferents pel·lícules.

123
00:06:46,295 --> 00:06:49,300

124
00:06:49,300 --> 00:06:51,050
Aquestes són totes les coses
que sabem com

125
00:06:51,050 --> 00:06:55,860
fer ús dels tipus d'estructures de dades
que ja hem vist al CS50.

126
00:06:55,860 --> 00:06:59,180
Així que em podia imaginar edifici
una estructura de dades per a una pel·lícula.

127
00:06:59,180 --> 00:07:02,390
Hi ha una estructura que tinc
construïda anomenada pel·lícula,

128
00:07:02,390 --> 00:07:04,369
i té cinc entrades booleanes en el mateix.

129
00:07:04,369 --> 00:07:07,160
Està animat, ¿és una meravella
pel·lícula, ¿té un super dolent,

130
00:07:07,160 --> 00:07:11,047
Què passa la prova Bechdel, i
hi ha Parcs i Rec alumnes en ella?

131
00:07:11,047 --> 00:07:12,880
I cada un d'ells és un
estructura de dades que I

132
00:07:12,880 --> 00:07:16,330
pot ocupar per a aquesta pel·lícula particular.

133
00:07:16,330 --> 00:07:20,090
>> A continuació, calcular si dos
pel·lícules són similars o no,

134
00:07:20,090 --> 00:07:23,330
que la seva puntuació és, que podia
construir un cos de pseudo-codi que

135
00:07:23,330 --> 00:07:25,120
genera aquesta mateixa funció.

136
00:07:25,120 --> 00:07:30,100
És a dir, donat una mica de pel·lícula M1, que pugui
trobar la pel·lícula més semblant a ella

137
00:07:30,100 --> 00:07:32,430
seguint el pseudocodi.

138
00:07:32,430 --> 00:07:37,040
Considero que és el millor
sistema que he trobat anotant,

139
00:07:37,040 --> 00:07:39,920
la millor comparació que he trobat.

140
00:07:39,920 --> 00:07:41,890
Per cada altra pel·lícula
Vaig a anar a través,

141
00:07:41,890 --> 00:07:44,920
Vaig a posar una puntuació partit igual a 0.

142
00:07:44,920 --> 00:07:47,920
I vaig a anar a través d'aquesta
pel·lícula, un M1, la pel·lícula

143
00:07:47,920 --> 00:07:51,500
Vaig començar amb, ho comprovaré
tots i cada funció

144
00:07:51,500 --> 00:07:53,650
que tenen a veure
si hi ha un partit.

145
00:07:53,650 --> 00:07:56,460
Si hi ha un partit, vaig a
incrementar el resultat del partit.

146
00:07:56,460 --> 00:08:00,480
I si al final el resultat del partit que
He és millor que l'actual millor

147
00:08:00,480 --> 00:08:03,310
anotar, llavors vaig a
recordar que la millor puntuació,

148
00:08:03,310 --> 00:08:05,820
i aquest és el millor partit que tinc.

149
00:08:05,820 --> 00:08:09,450
Al final, sigui quina sigui la pel·lícula
seu al millor partit,

150
00:08:09,450 --> 00:08:12,580
això és el més proper
He estat capaç d'arribar.

151
00:08:12,580 --> 00:08:14,890
Així basa aquests continguts
sistemes de filtrat,

152
00:08:14,890 --> 00:08:16,900
tots ells tenen aquesta estructura bàsica.

153
00:08:16,900 --> 00:08:20,910
Es basen en l'article
en qüestió i res

154
00:08:20,910 --> 00:08:24,590
sobre qualsevol de les preferències de l'usuari.

155
00:08:24,590 --> 00:08:29,010
>> L'altre mecanisme que utilitzem en
per construir sistemes de recomanació

156
00:08:29,010 --> 00:08:31,790
es diu filtratge col·laboratiu.

157
00:08:31,790 --> 00:08:36,520
Filtratge col·laboratiu es basa en
no les qualitats de l'objecte en si mateix,

158
00:08:36,520 --> 00:08:40,010
però com les persones, altres
usuaris, és a dir, com han

159
00:08:40,010 --> 00:08:43,370
respost a aquests mateixos objectes.

160
00:08:43,370 --> 00:08:48,720
Així que per continuar amb el meu exemple de la pel·lícula,
Jo podria prendre un munt dels meus amics

161
00:08:48,720 --> 00:08:53,180
i estudiar sobre si és o
No els agradava pel·lícules particulars.

162
00:08:53,180 --> 00:08:56,560
Ara diferents llocs generaran
aquestes dades de diferents maneres.

163
00:08:56,560 --> 00:08:59,630
Vostè pot examinar directament al seu
usuaris, o vostè podria

164
00:08:59,630 --> 00:09:03,120
veure el que decideixen si
vostè és, per exemple Netflix.

165
00:09:03,120 --> 00:09:05,640
Què pel·lícules tenien que veuen?

166
00:09:05,640 --> 00:09:08,670
>> Jo podria qüestionar una mica de la meva
amics aquí i saber

167
00:09:08,670 --> 00:09:12,910
que Jason li agrada cada pel·lícula
que va veure, no sorprenent allà.

168
00:09:12,910 --> 00:09:15,590
Andy només li agrada Minions i tia home.

169
00:09:15,590 --> 00:09:19,330
Sarah li agrada Inside Out i
Venjadors, el contrari d'Andy.

170
00:09:19,330 --> 00:09:22,200
I Sam, bé, Sam li agrada
totes les pel·lícules de superherois,

171
00:09:22,200 --> 00:09:24,960
però cap de les pel·lícules animades.

172
00:09:24,960 --> 00:09:30,630
>> Llavors jo podria preguntar per alguna nova
individual, algun altre usuari com jo

173
00:09:30,630 --> 00:09:34,520
i demanar, bé, si m'ha agradat
d'aquestes pel·lícules,

174
00:09:34,520 --> 00:09:38,600
es pot fer una predicció sobre
que altres pel·lícules que podria agradar.

175
00:09:38,600 --> 00:09:41,890
És a dir, si m'agradava l'interior
Out, que altres pel·lícules

176
00:09:41,890 --> 00:09:48,460
estic probable que també vulgui veure
en base al que la gent feia semblants?

177
00:09:48,460 --> 00:09:51,640
És a dir, vaig a anar a través d'un
Vaig a filtrar a través d'aquesta llista

178
00:09:51,640 --> 00:09:54,520
i trobar només el
persones que també els agradava

179
00:09:54,520 --> 00:09:57,680
Inside Out, que coincidia amb les meves preferències.

180
00:09:57,680 --> 00:10:00,824
Bé, això vol dir que Andy i
Sam, que no li agradava Inside Out,

181
00:10:00,824 --> 00:10:02,240
així que no vaig a considerar-los.

182
00:10:02,240 --> 00:10:06,130
Vaig a desfer del seu
les dades per a aquesta comparació.

183
00:10:06,130 --> 00:10:09,750
>> Llavors puc veure el que Jason
i Sarah va pensar i recompte

184
00:10:09,750 --> 00:10:13,780
fins que de les pel·lícules que veien
que no ho vaig fer, si els van agradar

185
00:10:13,780 --> 00:10:15,150
o no.

186
00:10:15,150 --> 00:10:17,820
Jo només podia comptar fins, diguem vots.

187
00:10:17,820 --> 00:10:23,360
Així Minions, per exemple podria tenir-ne un
votar per ella, ja que Jason li agradava.

188
00:10:23,360 --> 00:10:27,170
Tant Jason i Sarah li agrada Venjadors,
per la qual cosa tindria dos vots.

189
00:10:27,170 --> 00:10:30,700
I només Jason li agrada Ant Man,
per la qual cosa seria aconseguir un vot.

190
00:10:30,700 --> 00:10:34,870
Així que si hagués de després recomanar
per mi mateix quina d'aquestes pel·lícules

191
00:10:34,870 --> 00:10:41,470
Jo podria ser més propensos a veure, ho faria
de triar Edat d'Ultron: Venjadors.

192
00:10:41,470 --> 00:10:44,490
>> Així que per a qualsevol d'aquests
sistemes, ara estic fent servir

193
00:10:44,490 --> 00:10:49,260
dades que no va ser generada per la
pel·lícula en si, sinó de les preferències

194
00:10:49,260 --> 00:10:51,960
d'altres usuaris.

195
00:10:51,960 --> 00:10:54,150
Això té algunes dificultats, és clar.

196
00:10:54,150 --> 00:10:55,920
Què passa si vostè no té cap altre usuari?

197
00:10:55,920 --> 00:10:58,770
Bé, això es diu problema d'inici.

198
00:10:58,770 --> 00:11:03,760
Has de tenir una mica de
quantitat de dades abans que estigui

199
00:11:03,760 --> 00:11:07,560
capaç de començar a fer
aquestes recomanacions.

200
00:11:07,560 --> 00:11:10,940
L'altra cara d'això és un cop
de començar a recollir dades,

201
00:11:10,940 --> 00:11:13,870
si vostè pot obtenir més
i més i més dades,

202
00:11:13,870 --> 00:11:17,850
obtindrà millor i millor
i millors recomanacions.

203
00:11:17,850 --> 00:11:21,650
>> Ara podríem traduir
això en codi.

204
00:11:21,650 --> 00:11:23,860
Podem definir una diferent
tipus d'estructura,

205
00:11:23,860 --> 00:11:25,720
en aquest cas ho anem a trucar a un usuari.

206
00:11:25,720 --> 00:11:30,970
I es va posar sobre les característiques
quines pel·lícules aquest usuari agradaven.

207
00:11:30,970 --> 00:11:34,560
Els va agradar Inside Out,
Minions, venjadors, i l'Home Formiga.

208
00:11:34,560 --> 00:11:36,660
Llavors podríem generar
alguns pseudocodi per seguir

209
00:11:36,660 --> 00:11:39,460
el mateix procediment que he fet servir abans.

210
00:11:39,460 --> 00:11:43,460
És a dir, donat un determinat
usuari x, anem a recomanar una pel·lícula

211
00:11:43,460 --> 00:11:46,107
que x pot agradar.

212
00:11:46,107 --> 00:11:47,940
Podem anar a través i
per a totes les pel·lícules,

213
00:11:47,940 --> 00:11:51,410
podem inicialitzar una puntuació
per a aquesta pel·lícula sigui 0.

214
00:11:51,410 --> 00:11:54,080
I llavors podem trobar tot
dels altres usuaris que

215
00:11:54,080 --> 00:11:57,630
tenir les mateixes preferències que x.

216
00:11:57,630 --> 00:11:59,990
I a continuació, per a cada
pel·lícula que els agradava,

217
00:11:59,990 --> 00:12:02,340
incrementarem la puntuació d'aquesta pel·lícula.

218
00:12:02,340 --> 00:12:05,010
Sigui quina sigui la pel·lícula en el
extrem té la puntuació més alta,

219
00:12:05,010 --> 00:12:07,600
aquesta és la que jo hauria de recomanar.

220
00:12:07,600 --> 00:12:09,890
>> Res d'això és realment fosca.

221
00:12:09,890 --> 00:12:11,600
Res d'això és un repte.

222
00:12:11,600 --> 00:12:15,810
Aquests són tots els algoritmes bàsics
que es pot aplicar avui.

223
00:12:15,810 --> 00:12:20,050
>> Ara, amb els sistemes de recomanació de béns,
es troba amb alguns problemes.

224
00:12:20,050 --> 00:12:23,300
Què passa si no hi ha ningú que
coincideix exactament amb les seves preferències?

225
00:12:23,300 --> 00:12:27,170
Què passa si hi ha usuaris que
són exactament les seves preferències,

226
00:12:27,170 --> 00:12:30,480
però llavors desviar dràsticament
del que t'agrada?

227
00:12:30,480 --> 00:12:36,210
M'agrada clàssic Godzilla
pel·lícules, però la meva dona no ho fa.

228
00:12:36,210 --> 00:12:39,430
M'agrada veure'ls, el meu
Compte de Netflix els conté.

229
00:12:39,430 --> 00:12:41,800
De La seva no.

230
00:12:41,800 --> 00:12:45,230
Què passa quan comencem
barreja de dades d'aquest tipus?

231
00:12:45,230 --> 00:12:47,690
Aquests són tots els desafiaments
que pot superar,

232
00:12:47,690 --> 00:12:51,900
que acaba de prendre una mica
algoritmes més complexos.

233
00:12:51,900 --> 00:12:56,420
>> Ara, en el món real, el que
són en realitat operativa,

234
00:12:56,420 --> 00:12:59,980
Com fem servir el filtrat basat en contingut o
Com fem servir filtratge col·laboratiu?

235
00:12:59,980 --> 00:13:01,910
I la resposta és que utilitzem tots dos.

236
00:13:01,910 --> 00:13:06,350
Gairebé tots els principals usuaris en
aquest cas, Amazon, Facebook, Netflix,

237
00:13:06,350 --> 00:13:11,200
Pandora, tots ells utilitzen una combinació de
aquests diferents sistemes de recomanació.

238
00:13:11,200 --> 00:13:16,520
I quan combinem les opcions de
cadascun, els anomenem sistemes híbrids.

239
00:13:16,520 --> 00:13:20,750
Ells d'alguna manera depenen de la
característiques de l'objecte en si mateix,

240
00:13:20,750 --> 00:13:24,710
i d'alguna manera depenen de
les preferències dels altres usuaris.

241
00:13:24,710 --> 00:13:28,120
Aquests sistemes híbrids,
són un gran negoci,

242
00:13:28,120 --> 00:13:30,830
i són el que està vigent en l'actualitat.

243
00:13:30,830 --> 00:13:32,839
>> Així que moltes gràcies per acompanyar-me.

244
00:13:32,839 --> 00:13:35,380
Espero que hagis aconseguit una mica
mica d'una comprensió del

245
00:13:35,380 --> 00:13:37,430
fa que aquests sistemes de treball.

246
00:13:37,430 --> 00:13:41,980
La propera vegada que estiguis en línia, recorda que
No només li influir en les seves decisions,

247
00:13:41,980 --> 00:13:44,680
però potencialment tot el món és així.

248
00:13:44,680 --> 00:13:46,480
Gràcies de nou.

249
00:13:46,480 --> 00:13:47,186