1
00:00:00,000 --> 00:00:03,416
>> [MUSIC JOC]

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

3
00:00:05,860 --> 00:00:08,180
>> BRAIN SCASSELLATI: Bine ati venit
la seria CS50 AI.

4
00:00:08,180 --> 00:00:12,600
Numele meu este Scass, iar astăzi vom
pentru a vorbi despre sisteme va recomandat.

5
00:00:12,600 --> 00:00:15,780
Acum va recomandat sunete sisteme
ca un fel de nume ciudat.

6
00:00:15,780 --> 00:00:18,630
Se pare ca poate ar trebui
fi sisteme de recomandare,

7
00:00:18,630 --> 00:00:21,290
și am un fel de acord cu tine.

8
00:00:21,290 --> 00:00:26,110
Dar acestea sunt sistemele care ajută
selectați lucruri similare ori de câte ori

9
00:00:26,110 --> 00:00:28,210
selectați ceva on-line.

10
00:00:28,210 --> 00:00:32,119
Netflix, de exemplu, va sugera alte
filme care ar putea să doriți să urmăriți.

11
00:00:32,119 --> 00:00:36,660
Sau Pandora va sugera diferite
melodii pe care le-ar putea dori pentru a asculta.

12
00:00:36,660 --> 00:00:40,940
Amazon va sugera ce fel de
alte produse s-ar putea dori să cumpere.

13
00:00:40,940 --> 00:00:43,520
Facebook va sugera chiar
unele dintre celelalte prieteni

14
00:00:43,520 --> 00:00:45,440
că ați putea dori să adăugați.

15
00:00:45,440 --> 00:00:49,800
Fiecare dintre aceste sisteme funcționează utilizând
același tip de bază de algoritm,

16
00:00:49,800 --> 00:00:52,520
și asta e ceea ce suntem
vorbi despre ziua de azi.

17
00:00:52,520 --> 00:00:56,860
>> Acum acesti algoritmi sunt
surprinzător de mare de afaceri.

18
00:00:56,860 --> 00:01:01,130
Netflix câțiva ani în urmă, în
2,009 oferit un 1 milion $

19
00:01:01,130 --> 00:01:07,240
premiu dacă ai putea îmbunătăți lor
Sistemul de recomandare de numai 10%.

20
00:01:07,240 --> 00:01:11,960
Asta 10%, deși, reprezintă o
sumă substanțială de afaceri.

21
00:01:11,960 --> 00:01:15,330
Estimările sunt greu de
gasit, dar mulți oameni

22
00:01:15,330 --> 00:01:19,050
cred că acestea recomandare
Sisteme pentru o achiziție on-line

23
00:01:19,050 --> 00:01:25,729
sistem ca Amazon duce undeva
între 10% și 25% la creșterea veniturilor.

24
00:01:25,729 --> 00:01:27,770
Astfel încât să puteți imagina
un fel de volum care sunteți

25
00:01:27,770 --> 00:01:32,860
vorbim despre atunci când ne gândim la
chiar și aceste algoritmi mici.

26
00:01:32,860 --> 00:01:35,200
>> Așa că hai să cateva exemple.

27
00:01:35,200 --> 00:01:38,460
Cum se face ca aceste
Sisteme de adevărat?

28
00:01:38,460 --> 00:01:40,773
Există două bază
tipuri de algoritmi care

29
00:01:40,773 --> 00:01:45,050
sunt în joc atunci când vorbim despre
recomandări generatoare.

30
00:01:45,050 --> 00:01:48,650
Primii sunt numite
filtrare pe bază de conținut.

31
00:01:48,650 --> 00:01:53,410
Și filtrare pe bază de conținut se bazează
pe similitudini între elementele

32
00:01:53,410 --> 00:02:00,370
ei înșiși, adică între două filme
sau două melodii sau două elemente achiziționate.

33
00:02:00,370 --> 00:02:03,190
Vom utiliza filme
ca un exemplu, dar acest

34
00:02:03,190 --> 00:02:07,850
ar putea aplica, într-adevăr, la orice tip
de opoziție pe care le căutați.

35
00:02:07,850 --> 00:02:13,330
>> Deci, dacă mă gândesc la unele
filme din anul trecut,

36
00:02:13,330 --> 00:02:16,799
Am văzut cu Inside Out
copiii mei, l-au iubit.

37
00:02:16,799 --> 00:02:17,840
Dar am avut, de asemenea, o alegere.

38
00:02:17,840 --> 00:02:21,350
Am fi putut merge pentru a vedea Minions,
am putea văzut Age of Ultron,

39
00:02:21,350 --> 00:02:24,850
sau am putea fi văzut
Omul Ant în teatrele.

40
00:02:24,850 --> 00:02:27,580
>> Pentru oricare dintre aceste
filme, am putea imagina

41
00:02:27,580 --> 00:02:33,320
generând o listă de caracteristici sau
calități despre acele filme diferite.

42
00:02:33,320 --> 00:02:37,190
Deci, de exemplu, am putea lua în considerare
care dintre aceste filme sunt animate.

43
00:02:37,190 --> 00:02:39,960
Ei bine, atât în ​​interiorul cât Out
și slujitorii sunt animate.

44
00:02:39,960 --> 00:02:44,140
Nici Age of Ultron nici
Ant Man sunt filme animate.

45
00:02:44,140 --> 00:02:47,040
Și am putea imagina de construcție
o structură, un tabel care

46
00:02:47,040 --> 00:02:49,440
enumeră fiecare dintre aceste proprietăți.

47
00:02:49,440 --> 00:02:51,790
Sunt animate sau nu?

48
00:02:51,790 --> 00:02:54,780
Apoi m-am putea adăuga mai multe
caracteristici pentru acest tabel

49
00:02:54,780 --> 00:02:58,380
prin adăugarea de mai multe rânduri în această structură.

50
00:02:58,380 --> 00:03:00,970
Aș putea întreba dacă sau
nu sunt filme Marvel.

51
00:03:00,970 --> 00:03:04,010
Ei bine, Inside Out și slujitorii
nu sunt filme Marvel,

52
00:03:04,010 --> 00:03:06,715
Age of Ultron și Ant Man cu siguranță sunt.

53
00:03:06,715 --> 00:03:09,100
>> Și am putea întreba orice fel
de diferite calitati

54
00:03:09,100 --> 00:03:12,080
pe care am vrut, orice tipuri de caracteristici
care ar putea fi important pentru mine.

55
00:03:12,080 --> 00:03:13,440
Au un personaj negativ super-?

56
00:03:13,440 --> 00:03:16,700
Ei bine, nu exista nici ticălos super-Inside
, Dar există sunt cele în Minions

57
00:03:16,700 --> 00:03:19,990
și în, evident,
doua filme Superhero.

58
00:03:19,990 --> 00:03:23,900
>> Aș putea cere, de asemenea lucruri cum ar fi, bine,
nu trec testul Bechdel?

59
00:03:23,900 --> 00:03:27,280
Există două nume
personaje feminine care

60
00:03:27,280 --> 00:03:30,550
petrece ceva cantitate semnificativă de
timp o conversație care

61
00:03:30,550 --> 00:03:34,400
nu implică bărbați în exprimate?

62
00:03:34,400 --> 00:03:39,870
Ei bine, în acest caz, Inside Out trece
testul, Minions eșuează, Age of Ultron

63
00:03:39,870 --> 00:03:42,990
trece testul, și Ant Man nu reușește.

64
00:03:42,990 --> 00:03:45,020
Oricare dintre aceste caracteristici
Mă puteam gândi

65
00:03:45,020 --> 00:03:48,660
ca fiind important pentru unii oameni.

66
00:03:48,660 --> 00:03:52,000
>> Aș putea cere, de asemenea lucruri ca sunt
acolo orice popor din aceste filme care

67
00:03:52,000 --> 00:03:57,190
sunt absolventi de la să zicem, Parcuri și
Recreere, unul dintre spectacolele mele preferate.

68
00:03:57,190 --> 00:04:00,540
Ei bine, Inside Out are Amy
Poehler, asta e un Alumni.

69
00:04:00,540 --> 00:04:01,530
Care contează.

70
00:04:01,530 --> 00:04:04,110
Jon Hamm a fost în Minions.

71
00:04:04,110 --> 00:04:08,600
Paul Rudd a fost în Ant Man, dar nimeni nu
în vârstă de Ultron a fost în Parcuri și Req

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

73
00:04:10,150 --> 00:04:12,990
Așa că am putea construi această listă de
caracteristici, și într-adevăr au putut

74
00:04:12,990 --> 00:04:14,710
fi nimic despre filme.

75
00:04:14,710 --> 00:04:17,329
Acestea ar putea fi ceea ce
raport de aspect au fost împușcați în,

76
00:04:17,329 --> 00:04:21,630
ar putea fi de multe locuri în care cât de
vândute pe week-end lor de deschidere.

77
00:04:21,630 --> 00:04:25,630
Orice facilitate care doresc să
genera pot pune în acest tabel.

78
00:04:25,630 --> 00:04:29,600
>> Acum, în acest caz, am construit
tot felul de valori lingouri,

79
00:04:29,600 --> 00:04:33,700
da sau nu, treci sau nu,
dar acestea ar putea fi orice.

80
00:04:33,700 --> 00:04:36,690
Acestea ar putea fi valori arbitrare.

81
00:04:36,690 --> 00:04:39,070
Pentru filtrarea pe bază de conținut,
ceea ce am de gând să faci

82
00:04:39,070 --> 00:04:42,810
este vom să ia în considerare
două coloane din acest tabel

83
00:04:42,810 --> 00:04:45,660
și a vedea cum similare sunt.

84
00:04:45,660 --> 00:04:48,640
Deci, de exemplu, dacă am
a mers pentru a vedea pe dos,

85
00:04:48,640 --> 00:04:53,640
S-ar putea întreba, care sunt alte filme
ca să fi dispus să te duci sa vezi.

86
00:04:53,640 --> 00:04:56,890
Asta este, ceea ce dorește să
cheltui banii pentru a te duci sa vezi mea.

87
00:04:56,890 --> 00:05:00,310
Și pot compara acest lucru prin luarea doar
cele două coloane, una de la Inside Out

88
00:05:00,310 --> 00:05:03,300
și unul din oricare dintre
alte filme, și doar a vedea

89
00:05:03,300 --> 00:05:06,210
cât de multe dintre meci caracteristici.

90
00:05:06,210 --> 00:05:09,660
Deci, dacă am compara Inside Out
cu Minions, ei bine, nu e

91
00:05:09,660 --> 00:05:10,910
trei lucruri aici, care se potrivesc.

92
00:05:10,910 --> 00:05:16,200
Sunt atât animat, nici unul dintre ei
sunt filme Marvel, și amândoi

93
00:05:16,200 --> 00:05:18,420
au Parcuri și cer absolventi.

94
00:05:18,420 --> 00:05:20,420
Așa că am putut număra până cum
multe meciuri au fost,

95
00:05:20,420 --> 00:05:22,640
și în acest caz, nu ar fi trei.

96
00:05:22,640 --> 00:05:26,450
>> Dacă atunci am compara Inside Out
cu să zicem Age of Ultron,

97
00:05:26,450 --> 00:05:28,430
Pot privi în jos lista
și spune, ei bine, nu e

98
00:05:28,430 --> 00:05:30,140
doar un singur lucru care se potrivește acolo.

99
00:05:30,140 --> 00:05:34,560
Amândoi trece testul Bechtel, așa
care va fi un scor de unul.

100
00:05:34,560 --> 00:05:36,770
Și între Inside Out
și Man Ant, din nou, am

101
00:05:36,770 --> 00:05:41,420
pot compara linie cu linie cât de multe
se potrivesc lucrurile între cei doi.

102
00:05:41,420 --> 00:05:43,060
Ei bine, o e animat, cuiva nu.

103
00:05:43,060 --> 00:05:44,970
Unul e un film Marvel, nu e.

104
00:05:44,970 --> 00:05:47,280
Unul are un personaj negativ super,
celălalt nu.

105
00:05:47,280 --> 00:05:49,480
Unul trece Bechtel
încercare, o eșuează,

106
00:05:49,480 --> 00:05:54,450
dar ambele au Parcuri și cer absolventi,
astfel, din nou, acesta devine un scor de unul.

107
00:05:54,450 --> 00:05:58,300
>> Deci, dacă aș fi în căutarea pentru filme
care au fost similare cu Inside Out,

108
00:05:58,300 --> 00:06:02,170
Aș putea căuta filmele care au
cel mai mare scor în acest continut

109
00:06:02,170 --> 00:06:03,952
sistem de filtrare.

110
00:06:03,952 --> 00:06:05,660
Deci, în acest caz, am
ar lua în considerare Minions

111
00:06:05,660 --> 00:06:08,330
a fi mai aproape și mai
susceptibile de a fi ceva

112
00:06:08,330 --> 00:06:13,250
care mi-ar cheltui bani pentru a vedea
decât vârsta de Ultron sau Man Ant.

113
00:06:13,250 --> 00:06:16,150
>> Acestea conținut pe bază de
sisteme de filtrare se bazează doar

114
00:06:16,150 --> 00:06:18,670
privind proprietățile
filme, și așa am

115
00:06:18,670 --> 00:06:21,930
pot construi aceste doar prin cunoașterea
ceva despre produsele

116
00:06:21,930 --> 00:06:23,500
că am.

117
00:06:23,500 --> 00:06:26,050
Eu pot folosi orice fel de
caracteristici pe care am dori,

118
00:06:26,050 --> 00:06:28,400
și pot construi mai mult
caracteristici complexe, care

119
00:06:28,400 --> 00:06:33,060
implica test mai complex
de o calitate așa cum am merge de-a lungul.

120
00:06:33,060 --> 00:06:39,080
De fapt, chiar și eu pot vedea acest tabel
nu ca fiind un obiect static,

121
00:06:39,080 --> 00:06:43,110
ci mai degrabă ca fiind dimensiuni
într-un spațiu de stat mai mare.

122
00:06:43,110 --> 00:06:46,295
Și eu pot începe vorbim despre
distanțe între diferite filme.

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

124
00:06:49,300 --> 00:06:51,050
Acestea sunt toate lucrurile
că știm cum

125
00:06:51,050 --> 00:06:55,860
face utilizând tipurile de structuri de date
care le-am văzut deja în CS50.

126
00:06:55,860 --> 00:06:59,180
Așa că am putut imagina de construcție
o structură de date pentru un film.

127
00:06:59,180 --> 00:07:02,390
Există un struct care l-am
construite numit film,

128
00:07:02,390 --> 00:07:04,369
și are cinci intrări booleene în ea.

129
00:07:04,369 --> 00:07:07,160
Este animat, este o minune
film, nu-l are un personaj negativ super,

130
00:07:07,160 --> 00:07:11,047
nu-l trece testul Bechdel, și
sunt acolo Parcuri și REC absolventi în ea?

131
00:07:11,047 --> 00:07:12,880
Și fiecare dintre acestea este o
structură de date pe care am

132
00:07:12,880 --> 00:07:16,330
pot ocupa de acel film special.

133
00:07:16,330 --> 00:07:20,090
>> Apoi calcula dacă două
Filmele sunt similare sau nu,

134
00:07:20,090 --> 00:07:23,330
ceea ce scorul lor este, am putea
scrie un set de pseudocod care

135
00:07:23,330 --> 00:07:25,120
generează aceeași funcție.

136
00:07:25,120 --> 00:07:30,100
Asta este, având în vedere un film M1, pot
găsi filmul cel mai similar cu aceasta

137
00:07:30,100 --> 00:07:32,430
urmând Pseudocodul.

138
00:07:32,430 --> 00:07:37,040
Consider care este cel mai bun
sistem care l-am găsit a marcat,

139
00:07:37,040 --> 00:07:39,920
cele mai bune compararea pe care l-am găsit.

140
00:07:39,920 --> 00:07:41,890
Pentru orice alt film
Am de gând să merg prin,

141
00:07:41,890 --> 00:07:44,920
Voi stabili un scor meci egal cu 0.

142
00:07:44,920 --> 00:07:47,920
Și voi trece prin asta
film, un M1, filmul

143
00:07:47,920 --> 00:07:51,500
Am început cu, voi verifica
fiecare caracteristică

144
00:07:51,500 --> 00:07:53,650
că ei trebuie să vadă
dacă există o potrivire.

145
00:07:53,650 --> 00:07:56,460
Dacă există un meci, voi
incrementa scorul meciului.

146
00:07:56,460 --> 00:08:00,480
Și dacă la sfârșitul scorul meciului care
Am este mai bună decât curentul cel mai bun

147
00:08:00,480 --> 00:08:03,310
scor, atunci voi
amintiți-vă că cel mai bun scor,

148
00:08:03,310 --> 00:08:05,820
iar acest lucru este cel mai bun meci pe care am.

149
00:08:05,820 --> 00:08:09,450
La final, indiferent de film
stă în cel mai bun meci,

150
00:08:09,450 --> 00:08:12,580
care este cel mai aproape de
Am fost în stare să vină.

151
00:08:12,580 --> 00:08:14,890
Astfel încât acestea de conținut pe
sisteme de filtrare,

152
00:08:14,890 --> 00:08:16,900
toate au această structură de bază.

153
00:08:16,900 --> 00:08:20,910
Ei se bazeaza pe elementul
în cauză și nimic

154
00:08:20,910 --> 00:08:24,590
despre oricare dintre preferințele utilizatorului.

155
00:08:24,590 --> 00:08:29,010
>> Celălalt mecanism pe care le folosim în
scopul de a construi sisteme de recomandare

156
00:08:29,010 --> 00:08:31,790
este numit de filtrare de colaborare.

157
00:08:31,790 --> 00:08:36,520
Filtrarea de colaborare se bazează pe
Nu calitățile obiectului în sine,

158
00:08:36,520 --> 00:08:40,010
dar modul în care oamenii, altele
Utilizatorii care este, cum au

159
00:08:40,010 --> 00:08:43,370
a răspuns la aceleași obiecte.

160
00:08:43,370 --> 00:08:48,720
Deci, pentru a continua cu exemplul meu film,
S-ar putea să ia o mulțime de prieteni mei

161
00:08:48,720 --> 00:08:53,180
și le sondaj cu privire la posibilitatea sau
nu le-a plăcut anumite filme.

162
00:08:53,180 --> 00:08:56,560
Acum locuri diferite va genera
aceste date în moduri diferite.

163
00:08:56,560 --> 00:08:59,630
Puteți sondaj direct dvs.
utilizatori, sau ai putea doar

164
00:08:59,630 --> 00:09:03,120
vezi ce ei aleg dacă
ești, de exemplu, Netflix.

165
00:09:03,120 --> 00:09:05,640
Care filme au ceas?

166
00:09:05,640 --> 00:09:08,670
>> S-ar putea pune la îndoială unele dintre meu
prietenii de aici și de a afla

167
00:09:08,670 --> 00:09:12,910
că Jason a plăcut fiecare film
el a văzut, nu este surprinzător acolo.

168
00:09:12,910 --> 00:09:15,590
Andy a plăcut doar Minions și mătușa Man.

169
00:09:15,590 --> 00:09:19,330
Sarah a placut Inside Out și
Avengers, opusul lui Andy.

170
00:09:19,330 --> 00:09:22,200
Și Sam, ei bine, Sam a plăcut
toate filmele super-erou,

171
00:09:22,200 --> 00:09:24,960
dar nici unul dintre filmele animate.

172
00:09:24,960 --> 00:09:30,630
>> Aș putea interoga apoi pentru un nou
individ, un alt utilizator ca mine

173
00:09:30,630 --> 00:09:34,520
și de a pune, de asemenea, în cazul în care mi-a placut
unul dintre aceste filme,

174
00:09:34,520 --> 00:09:38,600
poți face o predicție cu privire la
care alte filme s-ar putea dori.

175
00:09:38,600 --> 00:09:41,890
Asta este, dacă mi-a plăcut în interiorul
Out, care alte filme

176
00:09:41,890 --> 00:09:48,460
sunt eu susceptibile de a dori, de asemenea pentru a vedea
bazat pe ceea ce au făcut oamenii similare?

177
00:09:48,460 --> 00:09:51,640
Asta este, voi merge printr-un
Voi filtrează prin această listă

178
00:09:51,640 --> 00:09:54,520
și găsi doar
persoanele care, de asemenea, plăcut

179
00:09:54,520 --> 00:09:57,680
Inside Out, care corespund preferințelor mele.

180
00:09:57,680 --> 00:10:00,824
Ei bine, asta înseamnă că Andy și
Sam, ei nu-i plăcea Inside Out,

181
00:10:00,824 --> 00:10:02,240
așa că nu am de gând să le considere.

182
00:10:02,240 --> 00:10:06,130
Am de gând să scape de lor
date pentru această comparație.

183
00:10:06,130 --> 00:10:09,750
>> Apoi m-am sa te uiti la ceea ce Jason
și Sarah a crezut și Tally

184
00:10:09,750 --> 00:10:13,780
up care dintre filmele pe care le-au văzut
că nu am făcut-o, dacă acestea au plăcut

185
00:10:13,780 --> 00:10:15,150
sau nu.

186
00:10:15,150 --> 00:10:17,820
Am putea conta doar în sus, să spunem de voturi.

187
00:10:17,820 --> 00:10:23,360
Deci Minions, de exemplu, ar putea avea un
vota pentru el, pentru că Jason a plăcut.

188
00:10:23,360 --> 00:10:27,170
Atât Jason și Sarah placut Avengers,
asa ca ar avea două voturi.

189
00:10:27,170 --> 00:10:30,700
Și doar Jason a placut Ant Man,
asa ca ar primi un vot.

190
00:10:30,700 --> 00:10:34,870
Deci, dacă am avut de atunci de a recomanda
pentru mine care dintre aceste filme

191
00:10:34,870 --> 00:10:41,470
S-ar putea fi cel mai probabil pentru a viziona, aș
trebuie să aleagă Vârsta de Ultron: Avengers.

192
00:10:41,470 --> 00:10:44,490
>> Deci, pentru oricare dintre aceste
sisteme, acum eu sunt, folosind

193
00:10:44,490 --> 00:10:49,260
date care nu a fost generat aproximativ
film în sine, ci despre preferințele

194
00:10:49,260 --> 00:10:51,960
de la alți utilizatori.

195
00:10:51,960 --> 00:10:54,150
Acest lucru are anumite dificultăți, desigur.

196
00:10:54,150 --> 00:10:55,920
Ce se întâmplă dacă nu aveți nici alți utilizatori?

197
00:10:55,920 --> 00:10:58,770
Ei bine, asta se numește problemă de pornire.

198
00:10:58,770 --> 00:11:03,760
Trebuie să aveți unele
Cantitatea de date înainte de a te

199
00:11:03,760 --> 00:11:07,560
capabil să înceapă a face
aceste recomandări.

200
00:11:07,560 --> 00:11:10,940
Reversul este dată
începe colectarea de date,

201
00:11:10,940 --> 00:11:13,870
Dacă aveți posibilitatea de a colecta mai mult
și mai mult și mai multe date,

202
00:11:13,870 --> 00:11:17,850
veți obține bine și mai bine
și recomandări mai bune.

203
00:11:17,850 --> 00:11:21,650
>> Acum am putea traduce
acest lucru în cod, de asemenea.

204
00:11:21,650 --> 00:11:23,860
Putem defini un alt
tip de structură,

205
00:11:23,860 --> 00:11:25,720
în acest caz, ne vom numi un utilizator.

206
00:11:25,720 --> 00:11:30,970
Și are caracteristici despre
care filmele acest utilizator a placut.

207
00:11:30,970 --> 00:11:34,560
Ți le place Inside Out,
Minions, Avengers, și Ant Man.

208
00:11:34,560 --> 00:11:36,660
Am putea genera apoi
unele pseudocod să urmeze

209
00:11:36,660 --> 00:11:39,460
aceeași procedură pe care am folosit înainte.

210
00:11:39,460 --> 00:11:43,460
Că este, având în vedere o anumită
utilizator X, să recomande un film

211
00:11:43,460 --> 00:11:46,107
că X ar putea plăcea.

212
00:11:46,107 --> 00:11:47,940
Putem merge prin și
pentru toate filmele,

213
00:11:47,940 --> 00:11:51,410
putem inițializa un scor
pentru că filmul să fie 0.

214
00:11:51,410 --> 00:11:54,080
Și apoi putem găsi toate
de alți utilizatori care

215
00:11:54,080 --> 00:11:57,630
au aceleași preferințe ca X.

216
00:11:57,630 --> 00:11:59,990
Și apoi pentru fiecare
film care le-a placut,

217
00:11:59,990 --> 00:12:02,340
vom incrementa scorul de acel film.

218
00:12:02,340 --> 00:12:05,010
Indiferent de film din
capăt are cel mai mare scor,

219
00:12:05,010 --> 00:12:07,600
asta e cea pe care am ar trebui să recomande.

220
00:12:07,600 --> 00:12:09,890
>> Nici una dintre acest lucru este foarte obscur.

221
00:12:09,890 --> 00:12:11,600
Nimic din toate astea este o provocare.

222
00:12:11,600 --> 00:12:15,810
Acestea sunt toate algoritmi de bază
care le-ar putea implementa astăzi.

223
00:12:15,810 --> 00:12:20,050
>> Acum, cu sisteme va recomandat reale,
aveți o unele probleme.

224
00:12:20,050 --> 00:12:23,300
Ce se întâmplă dacă nu e nimeni care
se potrivește exact preferințele?

225
00:12:23,300 --> 00:12:27,170
Ce se întâmplă dacă există utilizatori care
sunt exact preferințele,

226
00:12:27,170 --> 00:12:30,480
dar apoi se abate drastic
de la ceea ce iti place?

227
00:12:30,480 --> 00:12:36,210
Îmi place clasic Godzilla
filme, dar soția mea nu.

228
00:12:36,210 --> 00:12:39,430
Imi place sa ma uit la ei, mi
Contul Netflix le conține.

229
00:12:39,430 --> 00:12:41,800
Ei nu.

230
00:12:41,800 --> 00:12:45,230
Ce se întâmplă atunci când vom începe
amestecarea date, cum ar fi acest lucru?

231
00:12:45,230 --> 00:12:47,690
Acestea sunt toate provocările
pe care le puteți depăși,

232
00:12:47,690 --> 00:12:51,900
ei iau doar puțin
algoritmi mai complexe.

233
00:12:51,900 --> 00:12:56,420
>> Acum, în lumea reală, care
sunt de fapt operaționale,

234
00:12:56,420 --> 00:12:59,980
folosim de filtrare pe bază de conținut sau
folosim de filtrare de colaborare?

235
00:12:59,980 --> 00:13:01,910
Iar răspunsul este folosim amândoi.

236
00:13:01,910 --> 00:13:06,350
Aproape toate marile utilizatorilor în
acest caz, Amazon, Facebook, Netflix,

237
00:13:06,350 --> 00:13:11,200
Pandora, toate folosesc o combinație de
aceste sisteme de recomandare diferite.

238
00:13:11,200 --> 00:13:16,520
Și când am combina alegerile din
fiecare, le numim sisteme hibride.

239
00:13:16,520 --> 00:13:20,750
Ei într-un fel depinde de
caracteristici ale obiectului în sine,

240
00:13:20,750 --> 00:13:24,710
și, în unele moduri în care depind de
preferințele altor utilizatori.

241
00:13:24,710 --> 00:13:28,120
Aceste sisteme hibride,
sunt o afacere mare,

242
00:13:28,120 --> 00:13:30,830
și sunt ceea ce este actual și astăzi.

243
00:13:30,830 --> 00:13:32,839
>> Deci, mulțumesc foarte mult pentru aderarea mine.

244
00:13:32,839 --> 00:13:35,380
Sper că am ajuns un pic
bit de o înțelegere a ceea ce

245
00:13:35,380 --> 00:13:37,430
face aceste sisteme de lucru.

246
00:13:37,430 --> 00:13:41,980
Data viitoare când sunteți online, amintiți-vă că
nu numai tu influențează alegerile,

247
00:13:41,980 --> 00:13:44,680
dar potential toată lumea, precum.

248
00:13:44,680 --> 00:13:46,480
Multumesc din nou.

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