1
00:00:00,000 --> 00:00:03,416
>> [Prehrávanie hudby]

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

3
00:00:05,860 --> 00:00:08,180
>> BRAIN SCASSELLATI: Vitajte
k sérii CS50 AI.

4
00:00:08,180 --> 00:00:12,600
Volám sa Scass, a dnes budeme
hovoriť o odporúčací systémy.

5
00:00:12,600 --> 00:00:15,780
Teraz Odporúčací systémy zvuky
ako druh podivné meno.

6
00:00:15,780 --> 00:00:18,630
Znie to, ako by snáď malo
byť odporúčanie systémy,

7
00:00:18,630 --> 00:00:21,290
a nejako som s vami súhlasím.

8
00:00:21,290 --> 00:00:26,110
Ale to sú systémy, ktoré pomáhajú
vyberte z podobné veci, kedykoľvek je to

9
00:00:26,110 --> 00:00:28,210
vyberiete niečo online.

10
00:00:28,210 --> 00:00:32,119
Netflix, napríklad navrhne ďalšie
filmy, ktoré budete chcieť sledovať.

11
00:00:32,119 --> 00:00:36,660
Alebo Pandora navrhne iný
Piesne, ktoré budete chcieť počúvať.

12
00:00:36,660 --> 00:00:40,940
Amazon navrhne, aké druhy
ostatné výrobky budete chcieť kúpiť.

13
00:00:40,940 --> 00:00:43,520
Facebook bude dokonca naznačujú,
niektoré z ďalších priateľov

14
00:00:43,520 --> 00:00:45,440
že budete chcieť pridať.

15
00:00:45,440 --> 00:00:49,800
Každý z týchto systémov pracujú na báze
rovnaké základné druh algoritmu,

16
00:00:49,800 --> 00:00:52,520
a to je to, čo sme
hovoriť o dnes.

17
00:00:52,520 --> 00:00:56,860
>> Teraz tieto algoritmy sú
Prekvapivo veľký biznis.

18
00:00:56,860 --> 00:01:01,130
Netflix pred niekoľkými rokmi v
2.009 ponúkol 1.000.000 $

19
00:01:01,130 --> 00:01:07,240
Cenu keby mohol zlepšiť ich
Odporúčanie systém o iba 10%.

20
00:01:07,240 --> 00:01:11,960
, Že 10%, aj keď, predstavuje
podstatná časť obchodu.

21
00:01:11,960 --> 00:01:15,330
Odhady sú ťažké
prísť, ale mnoho ľudí

22
00:01:15,330 --> 00:01:19,050
verí, že tieto odporúčania
Systémy pre on-line nákupy

23
00:01:19,050 --> 00:01:25,729
systém, ako je Amazon vedú k niekam
medzi 10% a 25% zvýšenie výnosu.

24
00:01:25,729 --> 00:01:27,770
Takže si môžete predstaviť
druh zväzku, ktorý ste

25
00:01:27,770 --> 00:01:32,860
hovorí o tom, kedy si myslíme, že o
aj tieto malé algoritmy.

26
00:01:32,860 --> 00:01:35,200
>> Takže poďme niekoľko príkladov.

27
00:01:35,200 --> 00:01:38,460
Ako je možné, že tieto
Systémy naozaj funguje?

28
00:01:38,460 --> 00:01:40,773
Existujú dva základné
druhy algoritmov, ktoré

29
00:01:40,773 --> 00:01:45,050
sú v hre, keď hovoríme o
odporúčanie generovanie.

30
00:01:45,050 --> 00:01:48,650
Prvý z nich sa nazývajú
Obsah založené filtrovanie.

31
00:01:48,650 --> 00:01:53,410
A filtrovanie založený obsah spolieha
na podobnosti medzi položkami

32
00:01:53,410 --> 00:02:00,370
samy o sebe, že sa medzi dva filmy
alebo dve piesne alebo dve zakúpené položky.

33
00:02:00,370 --> 00:02:03,190
Budeme používať filmy
ako príklad, ale toto

34
00:02:03,190 --> 00:02:07,850
by sa mohli týkať, naozaj, na akýkoľvek typ
objektov, ktoré hľadáme.

35
00:02:07,850 --> 00:02:13,330
>> Takže ak si myslím o niektorých
filmy z minulého roka,

36
00:02:13,330 --> 00:02:16,799
Videl som naruby s
moje deti, sa im to páčilo.

37
00:02:16,799 --> 00:02:17,840
Ale tiež sme mali na výber.

38
00:02:17,840 --> 00:02:21,350
Mohli sme šli vidieť prisluhovačov,
sme mohli vidieť Age of Ultron,

39
00:02:21,350 --> 00:02:24,850
alebo sme mohli vidieť
Ant Muž v kinách.

40
00:02:24,850 --> 00:02:27,580
>> Pre niektoré z týchto
filmy, mohli by sme si predstaviť,

41
00:02:27,580 --> 00:02:33,320
generovanie zoznamu funkcií alebo
vlastnosti o tých rôznych filmoch.

42
00:02:33,320 --> 00:02:37,190
Tak napríklad, mohol považujem
ktoré z týchto filmov sú animované.

43
00:02:37,190 --> 00:02:39,960
No, a to ako Inside Out
a obľúbenci sú animované.

44
00:02:39,960 --> 00:02:44,140
Ani vek, ani Ultron
Ant Man sú animované filmy.

45
00:02:44,140 --> 00:02:47,040
A ja som si predstaviť, budova
up štruktúry, tabuľky, ktorá

46
00:02:47,040 --> 00:02:49,440
uvádza každej z týchto vlastností.

47
00:02:49,440 --> 00:02:51,790
Sú animované, alebo nie?

48
00:02:51,790 --> 00:02:54,780
Mohol by som potom pridať ďalšie
Funkcie v tejto tabuľke

49
00:02:54,780 --> 00:02:58,380
pridaním ďalších riadkov do tejto štruktúry.

50
00:02:58,380 --> 00:03:00,970
Mohol by som sa opýtať, či
nie, že sú Marvel filmy.

51
00:03:00,970 --> 00:03:04,010
No, Inside Out a obľúbenci
nie sú Marvel filmy,

52
00:03:04,010 --> 00:03:06,715
Vek Ultron a mravec človeka iste sú.

53
00:03:06,715 --> 00:03:09,100
>> A mohol by som sa opýtať všetky druhy
rôzne kvality

54
00:03:09,100 --> 00:03:12,080
že som chcel, všetky druhy funkcií
ktoré by mohli byť dôležité pre mňa.

55
00:03:12,080 --> 00:03:13,440
Majú super darebáka?

56
00:03:13,440 --> 00:03:16,700
No, je tu žiadny Super zloduch v Inside
Out, ale tam sú tie v prisluhovači

57
00:03:16,700 --> 00:03:19,990
a, sa teda jedná o
dve superhrdinu filmy.

58
00:03:19,990 --> 00:03:23,900
>> Mohol by som tiež požiadať veci, ako, dobre,
sa im prejsť testom Bechdel?

59
00:03:23,900 --> 00:03:27,280
Sú tu za dva pomenoval
ženskej postavy, ktoré

60
00:03:27,280 --> 00:03:30,550
stráviť nejaký značné množstvo
Doba konverzáciu, ktorá

61
00:03:30,550 --> 00:03:34,400
nezahŕňa muža v obsadení?

62
00:03:34,400 --> 00:03:39,870
No, v tomto prípade, Inside Out prejde
testy, obľúbenci zlyhá, vek Ultron

63
00:03:39,870 --> 00:03:42,990
prejde testom, a Ant Muž zlyhá.

64
00:03:42,990 --> 00:03:45,020
Každý z týchto funkcií
Nemohol som myslieť

65
00:03:45,020 --> 00:03:48,660
za dôležité pre niektorých ľudí.

66
00:03:48,660 --> 00:03:52,000
>> Mohol by som tiež požiadať veci, ako sú
tam nejakí ľudia v týchto filmov, ktoré

67
00:03:52,000 --> 00:03:57,190
sú absolventi z povedzme, parky a
Rekreácie, jeden z mojich obľúbených relácií.

68
00:03:57,190 --> 00:04:00,540
No, Inside Out má Amy
Poehler, to je Alumni.

69
00:04:00,540 --> 00:04:01,530
To sa počíta.

70
00:04:01,530 --> 00:04:04,110
Jon Hamm bol v prisluhovači.

71
00:04:04,110 --> 00:04:08,600
Paul Rudd bol v Ant Man, ale nikto
Age of ULTRON bolo v parkoch a Req

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

73
00:04:10,150 --> 00:04:12,990
Tak som si vybudovať tento zoznam
rysy, a mohli naozaj

74
00:04:12,990 --> 00:04:14,710
byť niečo o filmoch.

75
00:04:14,710 --> 00:04:17,329
Môžu byť, čo
Pomer strán boli výstrel v,

76
00:04:17,329 --> 00:04:21,630
to by mohlo byť, ako veľa miest, ktoré
predal na svojom víkendu otvorení.

77
00:04:21,630 --> 00:04:25,630
Všetky funkcie, ktoré chcem
generovať môžem dať do tejto tabuľky.

78
00:04:25,630 --> 00:04:29,600
>> Teraz, v tomto prípade, som postavil
všetky druh hodnôt Bullion,

79
00:04:29,600 --> 00:04:33,700
áno alebo nie, prejsť alebo zlyhanie,
ale mohli by byť čokoľvek.

80
00:04:33,700 --> 00:04:36,690
Môžu byť ľubovoľné hodnoty.

81
00:04:36,690 --> 00:04:39,070
Pre obsahu založené filtrovanie,
čo budeme robiť

82
00:04:39,070 --> 00:04:42,810
sa budeme uvažovať
dva stĺpce v tejto tabuľke

83
00:04:42,810 --> 00:04:45,660
a vidieť, ako podobné sú.

84
00:04:45,660 --> 00:04:48,640
Tak napríklad, ak I
šiel vidieť zvnútra von,

85
00:04:48,640 --> 00:04:53,640
Mohol by som sa opýtať, aké sú ďalšie filmy
že by som mohol byť ochotný ísť vidieť.

86
00:04:53,640 --> 00:04:56,890
To znamená, že to, čo ochotný
míňať svoje peniaze ísť vidieť.

87
00:04:56,890 --> 00:05:00,310
A môžem porovnávať len s tým, že
dva stĺpce, jeden z Inside Out

88
00:05:00,310 --> 00:05:03,300
a jeden z niektorého z
ostatné filmy, a len vidieť

89
00:05:03,300 --> 00:05:06,210
koľko z ich funkcií zápasu.

90
00:05:06,210 --> 00:05:09,660
Takže keď to porovnám Inside Out
s prisluhovačmi, no, je tu

91
00:05:09,660 --> 00:05:10,910
tri veci, ktoré tu zápas.

92
00:05:10,910 --> 00:05:16,200
Sú obaja animované, ani jeden z nich
Marvel sú filmy, a to ako z nich

93
00:05:16,200 --> 00:05:18,420
majú parky a REQ absolventov.

94
00:05:18,420 --> 00:05:20,420
Takže som mohol spočítať, ako
Mnoho zápasov tam bolo,

95
00:05:20,420 --> 00:05:22,640
a v tomto prípade, že by tri.

96
00:05:22,640 --> 00:05:26,450
>> Ak by som potom porovnať Inside Out
s povedzme Age of Ultron,

97
00:05:26,450 --> 00:05:28,430
Ja sa pozrieť dole v zozname
a hovoria, dobre, je tu

98
00:05:28,430 --> 00:05:30,140
len jedna vec, ktorá tam zodpovedá.

99
00:05:30,140 --> 00:05:34,560
Oba prejsť testom Bechtel, tak
že to bude skóre jedného.

100
00:05:34,560 --> 00:05:36,770
A medzi Inside Out
a Ant Muž, som znovu

101
00:05:36,770 --> 00:05:41,420
Môžete porovnať riadok po riadku, koľko
veci zápas medzi dvoma z nich.

102
00:05:41,420 --> 00:05:43,060
No, jeden je animovaný, človek nie je.

103
00:05:43,060 --> 00:05:44,970
Jeden to film Marvel, jeden to nie je.

104
00:05:44,970 --> 00:05:47,280
Jeden má super darebáka,
druhý nie.

105
00:05:47,280 --> 00:05:49,480
Jeden prechádza Bechtel
test, to zlyhá,

106
00:05:49,480 --> 00:05:54,450
ale obaja majú parkov a req absolventov,
takže opäť sa dostane skóre jeden.

107
00:05:54,450 --> 00:05:58,300
>> Takže keď som hľadali filmy
ktoré boli podobné naruby,

108
00:05:58,300 --> 00:06:02,170
Mohol by som hľadať filmy, ktoré majú
najvyšší počet bodov v rámci tohto obsahu

109
00:06:02,170 --> 00:06:03,952
schéma filtrovanie.

110
00:06:03,952 --> 00:06:05,660
Takže v tomto prípade, myslím,
bude uvažovať prisluhovačov

111
00:06:05,660 --> 00:06:08,330
byť bližšie a viac
pravdepodobné, že bude niečo

112
00:06:08,330 --> 00:06:13,250
že by som míňať peniaze, aby vidieť
ako Age of ULTRON alebo Ant Man.

113
00:06:13,250 --> 00:06:16,150
>> Tieto obsah založený
filtračné systémy sa spoliehajú len

114
00:06:16,150 --> 00:06:18,670
Na základe vlastností
filmy, a tak som sa

115
00:06:18,670 --> 00:06:21,930
môže stavať to práve tým, že pozná
niečo o produktoch

116
00:06:21,930 --> 00:06:23,500
že mám.

117
00:06:23,500 --> 00:06:26,050
Môžem použiť všetky druhy
funkcie, ktoré by som chcel,

118
00:06:26,050 --> 00:06:28,400
a môžem postaviť viac
komplexné funkcie, ktoré

119
00:06:28,400 --> 00:06:33,060
zahŕňať zložitejšie skúšky
o kvalite, ako som ísť ďalej.

120
00:06:33,060 --> 00:06:39,080
V skutočnosti, môžem dokonca zobraziť túto tabuľku
nie ako byť jeden statický objekt,

121
00:06:39,080 --> 00:06:43,110
ale skôr ako rozmery
v rámci väčšej stavového priestoru.

122
00:06:43,110 --> 00:06:46,295
A môžem začať hovoriť o
vzdialenosti medzi rôznymi filmami.

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

124
00:06:49,300 --> 00:06:51,050
To všetko sú veci
že by sme vedieť, ako sa

125
00:06:51,050 --> 00:06:55,860
vykonať pomocou druhy dátových štruktúr
že sme už videli v CS50.

126
00:06:55,860 --> 00:06:59,180
Takže som si dokázal predstaviť budovu
štruktúra dát pre film.

127
00:06:59,180 --> 00:07:02,390
Je tu struct, ktorý som
postavený tzv film,

128
00:07:02,390 --> 00:07:04,369
a to má päť logické položky v ňom.

129
00:07:04,369 --> 00:07:07,160
Je to živý, je to Marvel
film, to má super darebáka,

130
00:07:07,160 --> 00:07:11,047
to prejsť testom Bechdel, a
sú tam Parky a Rec absolventov v nej?

131
00:07:11,047 --> 00:07:12,880
A každý z nich je
štruktúra dát, ktoré som

132
00:07:12,880 --> 00:07:16,330
môžu zaberať pre konkrétny film.

133
00:07:16,330 --> 00:07:20,090
>> Potom vypočítať, či dva
filmy sú podobné alebo nie,

134
00:07:20,090 --> 00:07:23,330
čo ich skóre, mohol by som
vypísať sadu pseudokódu, ktorý

135
00:07:23,330 --> 00:07:25,120
generuje túto rovnakú funkciu.

136
00:07:25,120 --> 00:07:30,100
To znamená, že vzhľadom na to nejaký film M1, môžem
nájsť najviac podobný film k nemu

137
00:07:30,100 --> 00:07:32,430
pomocou nasledujúceho pseudokódu.

138
00:07:32,430 --> 00:07:37,040
Domnievam sa, čo je najlepší
bodovací systém, ktorý som našiel,

139
00:07:37,040 --> 00:07:39,920
najlepšie porovnanie, ktoré som našiel.

140
00:07:39,920 --> 00:07:41,890
Pre každý iný film
Chystám sa prejsť,

141
00:07:41,890 --> 00:07:44,920
Budem nastaviť zápas skóre rovno 0.

142
00:07:44,920 --> 00:07:47,920
A ja pôjdem cez to
film, čo M1, film

143
00:07:47,920 --> 00:07:51,500
Začal som sa, Pozriem
každý rys

144
00:07:51,500 --> 00:07:53,650
že musíte vidieť
či je zhoda.

145
00:07:53,650 --> 00:07:56,460
Ak existuje zhoda, budem
zvýšiť zápas skóre.

146
00:07:56,460 --> 00:08:00,480
A ak sa na konci zápas skóre, ktoré
Som je lepší ako súčasný najlepší

147
00:08:00,480 --> 00:08:03,310
skóre, potom budem
nezabudnite, že najlepšie skóre,

148
00:08:03,310 --> 00:08:05,820
a to je to najlepší zápas, ktorý mám.

149
00:08:05,820 --> 00:08:09,450
Na konci, bez ohľadu na film
sedí v najlepšom zápase,

150
00:08:09,450 --> 00:08:12,580
to je najbližší
Bol som schopný prísť.

151
00:08:12,580 --> 00:08:14,890
Tak to obsah na báze
filtračné systémy,

152
00:08:14,890 --> 00:08:16,900
všetky majú základnú štruktúru.

153
00:08:16,900 --> 00:08:20,910
Oni sa spoliehajú na položku
v pochybnosť a nič

154
00:08:20,910 --> 00:08:24,590
o niektorý z užívateľských preferencií.

155
00:08:24,590 --> 00:08:29,010
>> Druhý mechanizmus, ktorý budeme používať vo
s cieľom vybudovať odporúčanie systémy

156
00:08:29,010 --> 00:08:31,790
sa nazýva spolupracovní filtrovanie.

157
00:08:31,790 --> 00:08:36,520
Spolupracovní filtrovanie spolieha na
nie vlastnosti samotného objektu,

158
00:08:36,520 --> 00:08:40,010
ale ako sa ľudia, ostatné
Užívatelia, že je, ako som

159
00:08:40,010 --> 00:08:43,370
reagoval na tieto rovnaké objekty.

160
00:08:43,370 --> 00:08:48,720
Takže pokračovať vo svojom príklade filmu,
Mohol by som mať veľa mojich priateľov

161
00:08:48,720 --> 00:08:53,180
a prieskum je o tom, či
Niet sa im páčilo jednotlivé filmy.

162
00:08:53,180 --> 00:08:56,560
Teraz rôzne miesta budú vytvárať
tieto dáta rôznymi spôsobmi.

163
00:08:56,560 --> 00:08:59,630
Môžete priamo prieskumu svoj
Užívatelia, alebo môžete jednoducho

164
00:08:59,630 --> 00:09:03,120
vidieť, čo si vybrať, či
ste, napríklad Netflix.

165
00:09:03,120 --> 00:09:05,640
Aké filmy sa im pozerať?

166
00:09:05,640 --> 00:09:08,670
>> Mohol by som spochybniť niektoré z mojich
priateľov a zistiť,

167
00:09:08,670 --> 00:09:12,910
že Jason páčil každý film
videl, tam nie je prekvapujúce.

168
00:09:12,910 --> 00:09:15,590
Andy len rád prisluhovačov a tetou Man.

169
00:09:15,590 --> 00:09:19,330
Sarah rada Inside Out a
Pomstitelia, opak Andy.

170
00:09:19,330 --> 00:09:22,200
A Sam, dobre, Sam rád
všetky superhrdinu filmov,

171
00:09:22,200 --> 00:09:24,960
ale žiadny z animovaných filmov.

172
00:09:24,960 --> 00:09:30,630
>> Mohol by som potom dotaz pre niektoré nové
jednotlivec, nejaký iný užívateľ, ako som ja

173
00:09:30,630 --> 00:09:34,520
a opýtať sa, dobre, ak sa mi páčilo
jeden z týchto filmov,

174
00:09:34,520 --> 00:09:38,600
môžete robiť predpoveď o
ktoré ďalšie filmy by som mohol páčiť.

175
00:09:38,600 --> 00:09:41,890
To znamená, že keď som Inside páčil
Out, ktoré ďalšie filmy

176
00:09:41,890 --> 00:09:48,460
mám pravdepodobné, že tiež chcú vidieť
na základe toho, čo ľudia robili podobné?

177
00:09:48,460 --> 00:09:51,640
To znamená, že pôjdem cez
Budem filtrovať cez tento zoznam

178
00:09:51,640 --> 00:09:54,520
a nájsť len
jednotlivci, ktorí sa tiež páčilo

179
00:09:54,520 --> 00:09:57,680
Naruby, ktorý uzavreté predvoľby.

180
00:09:57,680 --> 00:10:00,824
No, to znamená, že Andy a
Sam sa im nepáčilo, Inside Out,

181
00:10:00,824 --> 00:10:02,240
takže nebudem skúmať ich.

182
00:10:02,240 --> 00:10:06,130
Chystám sa zbaviť svojich
Údaje pre toto porovnanie.

183
00:10:06,130 --> 00:10:09,750
>> Potom som sa pozrieť na to, čo Jason
a Sarah si myslel, a zhodujú

184
00:10:09,750 --> 00:10:13,780
up, ktorý z filmov, ktoré oni videli
že som to neurobil, či sa im páčilo

185
00:10:13,780 --> 00:10:15,150
alebo nie.

186
00:10:15,150 --> 00:10:17,820
Mohol by som jednoducho počítať, povedzme hlasov.

187
00:10:17,820 --> 00:10:23,360
Takže prisluhovači, napríklad môže mať jeden
pre neho hlasovať, pretože Jason to páčilo.

188
00:10:23,360 --> 00:10:27,170
Obaja Jason a Sarah rada Avengers,
tak to bude mať dva hlasy.

189
00:10:27,170 --> 00:10:30,700
A iba Jason páčilo Ant Man,
tak to by si jeden hlas.

190
00:10:30,700 --> 00:10:34,870
Takže ak by som mal do tej doby odporučiť
pre seba, ktoré z týchto filmov

191
00:10:34,870 --> 00:10:41,470
Mohol by som byť s najväčšou pravdepodobnosťou sledovať, by som
si vybrať Age of ULTRON: Avengers.

192
00:10:41,470 --> 00:10:44,490
>> Takže pre niektorý z nich
Systémy, teraz som pomocou

193
00:10:44,490 --> 00:10:49,260
Dáta, ktoré boli generovaná nie o
Film sám o sebe, ale o preferenciách

194
00:10:49,260 --> 00:10:51,960
od ostatných užívateľov.

195
00:10:51,960 --> 00:10:54,150
To má určité ťažkosti samozrejme.

196
00:10:54,150 --> 00:10:55,920
Čo keď nemáte žiadne iné užívateľa?

197
00:10:55,920 --> 00:10:58,770
No, to sa hovorí spustenie problém.

198
00:10:58,770 --> 00:11:03,760
Musíte mať niektoré
Množstvo dát, než ste

199
00:11:03,760 --> 00:11:07,560
mohli začať robiť
tieto odporúčania.

200
00:11:07,560 --> 00:11:10,940
Odvrátenou stranou je to opäť
začnete zberu dát,

201
00:11:10,940 --> 00:11:13,870
ak môžete zbierať viac
a ďalšie a ďalšie údaje,

202
00:11:13,870 --> 00:11:17,850
budete mať lepšie a lepšie
a lepšie odporúčanie.

203
00:11:17,850 --> 00:11:21,650
>> Teraz by sme mohli preložiť
toto do kódu tiež.

204
00:11:21,650 --> 00:11:23,860
Môžeme definovať iný
druh štruktúry,

205
00:11:23,860 --> 00:11:25,720
V tomto prípade budeme hovoriť užívateľ.

206
00:11:25,720 --> 00:11:30,970
A je to tu o funkcie
aké filmy tento užívateľ páčilo.

207
00:11:30,970 --> 00:11:34,560
Páčilo sa im páči naruby,
Prisluhovači, pomstitelia a Ant Man.

208
00:11:34,560 --> 00:11:36,660
Mohli by sme potom generovať
niektorí pseudokód nasledovať

209
00:11:36,660 --> 00:11:39,460
rovnaký postup, ktorý som použil predtým.

210
00:11:39,460 --> 00:11:43,460
To znamená, že pri určitom
Užívateľ x, poďme odporučiť film

211
00:11:43,460 --> 00:11:46,107
že x mohlo páčiť.

212
00:11:46,107 --> 00:11:47,940
Môžeme prejsť a
pre všetky filmy,

213
00:11:47,940 --> 00:11:51,410
môžeme inicializovať skóre
Pre ten film bude 0.

214
00:11:51,410 --> 00:11:54,080
A potom môžeme nájsť všetko,
z ostatných užívateľov, ktorí

215
00:11:54,080 --> 00:11:57,630
majú rovnaké preferencie ako x.

216
00:11:57,630 --> 00:11:59,990
A potom za každých
film, ktorý sa im páči,

217
00:11:59,990 --> 00:12:02,340
budeme zvyšovať skóre tohto filmu.

218
00:12:02,340 --> 00:12:05,010
Bez ohľadu na film v
koniec má najvyššie skóre,

219
00:12:05,010 --> 00:12:07,600
to je ten, čo som mala odporučiť.

220
00:12:07,600 --> 00:12:09,890
>> Nič z toho je naozaj obskurní.

221
00:12:09,890 --> 00:12:11,600
Nič z toho, je náročné.

222
00:12:11,600 --> 00:12:15,810
To všetko sú základné algoritmy
že by ste mohli realizovať dnes.

223
00:12:15,810 --> 00:12:20,050
>> Teraz s reálnymi odporúčacieho systémami,
sa dostanete do nejakej problémy.

224
00:12:20,050 --> 00:12:23,300
Čo keď tam nikto, kto
zodpovedá presne vaše preferencie?

225
00:12:23,300 --> 00:12:27,170
Čo keď tam sú užívatelia, ktorí
sú presne vaše preferencie,

226
00:12:27,170 --> 00:12:30,480
ale potom sa odchyľujú drasticky
z toho, čo sa vám páči?

227
00:12:30,480 --> 00:12:36,210
Mám rád klasickú Godzilla
filmy, ale moja žena nie je.

228
00:12:36,210 --> 00:12:39,430
Rád sa na ne pozerať, my
Netflix účet obsahuje je.

229
00:12:39,430 --> 00:12:41,800
Jej to nie je.

230
00:12:41,800 --> 00:12:45,230
Čo sa stane, keď začneme
miešanie dáta, ako je táto?

231
00:12:45,230 --> 00:12:47,690
To všetko sú výzvy
že môžete prekonať,

232
00:12:47,690 --> 00:12:51,900
oni len sa mierne
zložitejšie algoritmy.

233
00:12:51,900 --> 00:12:56,420
>> Teraz v reálnom svete, ktorý
sú skutočne v prevádzke,

234
00:12:56,420 --> 00:12:59,980
používame filtrovanie obsahu, alebo na základe
použijeme spolupracovní filtrovanie?

235
00:12:59,980 --> 00:13:01,910
A odpoveď je používame oba.

236
00:13:01,910 --> 00:13:06,350
Takmer všetky hlavné užívateľovi
Tento prípad, Amazon, Facebook, Netflix,

237
00:13:06,350 --> 00:13:11,200
Pandora, že všetci používajú kombináciu
Tieto rôzne odporúčania systémy.

238
00:13:11,200 --> 00:13:16,520
A keď sme kombinovať voľby z
každý, im hovoríme hybridné systémy.

239
00:13:16,520 --> 00:13:20,750
Sú nejakým spôsobom závisieť na
vlastnosti samotného objektu,

240
00:13:20,750 --> 00:13:24,710
av niektorých ohľadoch sú závislé na
preferencie iných užívateľov.

241
00:13:24,710 --> 00:13:28,120
Tieto hybridné systémy,
oni sú veľký biznis,

242
00:13:28,120 --> 00:13:30,830
a oni sú to, čo je aktuálne aj dnes.

243
00:13:30,830 --> 00:13:32,839
>> Takže vďaka moc za mňa spájanie.

244
00:13:32,839 --> 00:13:35,380
Dúfam, že ste sa dostali trochu
trochu pochopenie toho, čo

245
00:13:35,380 --> 00:13:37,430
robí tieto systémy pracujú.

246
00:13:37,430 --> 00:13:41,980
Nabudúce ste online, pamätajte, že
a to nielen tie ovplyvňujú vaše voľby,

247
00:13:41,980 --> 00:13:44,680
ale potenciálne všetci ostatní to tiež.

248
00:13:44,680 --> 00:13:46,480
Ešte raz ďakujem.

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