1
00:00:00,000 --> 00:00:03,416
>> [Muzika]

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

3
00:00:05,860 --> 00:00:08,180
>> BRAIN SCASSELLATI: Mirë se vini
në seri CS50 UA.

4
00:00:08,180 --> 00:00:12,600
Emri im është Scass, dhe sot ne jemi duke shkuar
për të folur në lidhje me sistemet rekomanduesi.

5
00:00:12,600 --> 00:00:15,780
Sistemet tani rekomanduesi tinguj
lloj si një emër i rastësishëm.

6
00:00:15,780 --> 00:00:18,630
Kjo tingëllon si ndoshta kjo duhet
të jetë sistemet rekomandim,

7
00:00:18,630 --> 00:00:21,290
dhe unë lloj të pajtohem me ju.

8
00:00:21,290 --> 00:00:26,110
Por këto janë sisteme që ndihmojnë
zgjidhni nga gjëra të ngjashme kurdo

9
00:00:26,110 --> 00:00:28,210
ju zgjidhni diçka në internet.

10
00:00:28,210 --> 00:00:32,119
Netflix, për shembull, do të sugjerojë të tjera
filma që ju mund të dëshironi të shihni.

11
00:00:32,119 --> 00:00:36,660
Ose Pandora do të sugjerojë ndryshme
këngët që ju mund të dëshironi për të dëgjuar për të.

12
00:00:36,660 --> 00:00:40,940
Amazon do të sugjerojë se çfarë lloj të
produkte të tjera që ju mund të dëshironi të blini.

13
00:00:40,940 --> 00:00:43,520
Facebook do të sugjerojë edhe
disa miq të tjerë

14
00:00:43,520 --> 00:00:45,440
që ju mund të dëshironi të shtoni.

15
00:00:45,440 --> 00:00:49,800
Secili nga këto sisteme funksionojnë duke përdorur
të njëjtin lloj themelor i algorithm,

16
00:00:49,800 --> 00:00:52,520
dhe kjo është ajo që ne jemi
do të flasim për sot.

17
00:00:52,520 --> 00:00:56,860
>> Tani këto algoritme janë
biznes çuditërisht i madh.

18
00:00:56,860 --> 00:01:01,130
Netflix disa vite më parë në
2009 ofroi një 1.000.000 $

19
00:01:01,130 --> 00:01:07,240
çmimi nëse ju mund të përmirësojë tyre
sistem rekomandim me vetëm 10%.

20
00:01:07,240 --> 00:01:11,960
Se 10%, edhe pse, përfaqëson një
sasi të konsiderueshme të biznesit.

21
00:01:11,960 --> 00:01:15,330
Vlerësimet janë të vështirë për
të ardhur nga, por shumë njerëz

22
00:01:15,330 --> 00:01:19,050
besojnë se këto rekomandim
sistemet për një blerje online

23
00:01:19,050 --> 00:01:25,729
sistemi si Amazon çojë në diku
ndërmjet 10% dhe 25% rritjen e të ardhurave.

24
00:01:25,729 --> 00:01:27,770
Kështu që ju mund të imagjinoni
lloj i vëllimit që ju jeni

25
00:01:27,770 --> 00:01:32,860
duke folur për kur mendojmë për
edhe këto algoritme pak.

26
00:01:32,860 --> 00:01:35,200
>> Pra, le të marrë disa shembuj.

27
00:01:35,200 --> 00:01:38,460
Si është e mundur që këto
Sisteme të vërtetë punojnë?

28
00:01:38,460 --> 00:01:40,773
Ka dy themelore
llojet e algoritme që

29
00:01:40,773 --> 00:01:45,050
janë në lojë kur flasim për
Rekomandimet gjeneruese.

30
00:01:45,050 --> 00:01:48,650
Të parat janë quajtur
përmbajtje filtrim bazuar.

31
00:01:48,650 --> 00:01:53,410
Dhe përmbajtjen filtrim bazuar mbështetet
mbi ngjashmëritë në mes të artikujve

32
00:01:53,410 --> 00:02:00,370
vetë, që është në mes të dy filma
ose dy këngë ose dy artikujt e blerë.

33
00:02:00,370 --> 00:02:03,190
Ne jemi duke shkuar për të përdorur filmat
si një shembull, por kjo

34
00:02:03,190 --> 00:02:07,850
mund të aplikojë, me të vërtetë, për çdo lloj
i objektit që ne jemi duke kërkuar për të.

35
00:02:07,850 --> 00:02:13,330
>> Pra, nëse unë mendoj për disa
filma nga viti i kaluar,

36
00:02:13,330 --> 00:02:16,799
Unë pashë Inside Out me
fëmijët e mi, ata e donin atë.

37
00:02:16,799 --> 00:02:17,840
Por ne gjithashtu kishte një zgjedhje.

38
00:02:17,840 --> 00:02:21,350
Ne mund të ketë shkuar për të parë Minions,
ne mund të shihet Mosha e ULTRON,

39
00:02:21,350 --> 00:02:24,850
ose ne mund të kemi parë
Njeriu Ant në teatro.

40
00:02:24,850 --> 00:02:27,580
>> Për ndonjë nga këto
filma, ne mund të imagjinohet

41
00:02:27,580 --> 00:02:33,320
gjeneruar një listë të karakteristika ose
Cilësitë për ato filma të ndryshëm.

42
00:02:33,320 --> 00:02:37,190
Kështu për shembull, unë mund të konsiderojnë
cila prej këtyre filmave janë të animuar.

43
00:02:37,190 --> 00:02:39,960
E pra, të dyja Inside Out
dhe Minions janë të animuar.

44
00:02:39,960 --> 00:02:44,140
As Mosha e ULTRON as
Ant Njeriu janë filma të animuar.

45
00:02:44,140 --> 00:02:47,040
Dhe unë mund të imagjinohet ndërtesë
up një strukturë, një tavolinë që

46
00:02:47,040 --> 00:02:49,440
listat secili prej këtyre pronave.

47
00:02:49,440 --> 00:02:51,790
A janë ata të animuar apo jo?

48
00:02:51,790 --> 00:02:54,780
Unë pastaj mund të shtoni më shumë
Karakteristika në këtë tabelë

49
00:02:54,780 --> 00:02:58,380
duke shtuar më shumë rreshtave në këtë strukturë.

50
00:02:58,380 --> 00:03:00,970
Unë mund të pyes nëse janë apo
jo ata janë filma Marvel.

51
00:03:00,970 --> 00:03:04,010
E pra, Inside Out dhe Minions
nuk janë filma Marvel,

52
00:03:04,010 --> 00:03:06,715
Mosha e ULTRON dhe Ant njeriut me siguri janë.

53
00:03:06,715 --> 00:03:09,100
>> Dhe unë mund të kërkoj të gjitha llojet
Cilësitë e ndryshme

54
00:03:09,100 --> 00:03:12,080
që kam kërkuar, të gjitha llojet e karakteristika të
që mund të jetë e rëndësishme për mua.

55
00:03:12,080 --> 00:03:13,440
A kanë një zuzar super?

56
00:03:13,440 --> 00:03:16,700
E pra, nuk ka shejtan super në Inside
Jashtë, por ato nuk janë në Minions

57
00:03:16,700 --> 00:03:19,990
dhe në, natyrisht,
Dy filma Superhero.

58
00:03:19,990 --> 00:03:23,900
>> Unë mund të kërkoj gjëra të tilla si, mirë,
ata kalojnë testin Bechdel?

59
00:03:23,900 --> 00:03:27,280
A ka dy quajtur
personazhet femra që

60
00:03:27,280 --> 00:03:30,550
kalojnë disa sasi të konsiderueshme të
Ora paturit e një bisedë që

61
00:03:30,550 --> 00:03:34,400
nuk përfshin burra në të hedhura?

62
00:03:34,400 --> 00:03:39,870
E pra, në këtë rast, Inside Out kalon
testi, Minions dështon, Age of ULTRON

63
00:03:39,870 --> 00:03:42,990
kalon testin, dhe Ant Njeriu dështon.

64
00:03:42,990 --> 00:03:45,020
Çdo njëri nga këto karakteristika
Unë mund të mendoj për

65
00:03:45,020 --> 00:03:48,660
si të rëndësishme për disa njerëz.

66
00:03:48,660 --> 00:03:52,000
>> Unë mund të kërkoj gjëra të tilla si janë
ka ndonjë popull në këto filma që

67
00:03:52,000 --> 00:03:57,190
janë alumni nga le të themi, parqet dhe
Rekreative, një nga shfaqjet e mia të preferuar.

68
00:03:57,190 --> 00:04:00,540
E pra, Inside Out ka Amy
Poehler, kjo është një Alumni.

69
00:04:00,540 --> 00:04:01,530
Që ka rëndësi.

70
00:04:01,530 --> 00:04:04,110
Jon Hamm ishte në Minions.

71
00:04:04,110 --> 00:04:08,600
Paul Rudd ishte në Ant njeriut, por askush nuk
në Epokën e ULTRON ishte në parqe dhe req

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

73
00:04:10,150 --> 00:04:12,990
Kështu që unë mund të ndërtojë këtë listë të
karakteristika, dhe ata mund të vërtetë

74
00:04:12,990 --> 00:04:14,710
të jetë çdo gjë në lidhje me filmat.

75
00:04:14,710 --> 00:04:17,329
Ato mund të jenë në lidhje me atë
raport aspekt ata u pushkatuan në,

76
00:04:17,329 --> 00:04:21,630
ajo mund të jetë sa vende ata
shitur në fundjavë e tyre hapjes.

77
00:04:21,630 --> 00:04:25,630
Çdo tipar që unë dua të
gjenerojë unë mund të vënë në këtë tryezë.

78
00:04:25,630 --> 00:04:29,600
>> Tani, në këtë rast, unë kam ndërtuar
të gjitha llojet e vlerave shufra ari ose argjendi,

79
00:04:29,600 --> 00:04:33,700
po ose jo, kalojë ose të dështojnë,
por ato mund të jetë çdo gjë.

80
00:04:33,700 --> 00:04:36,690
Ato mund të jenë vlera arbitrare.

81
00:04:36,690 --> 00:04:39,070
Për përmbajtjen e bazuar filtrim,
ajo që ne jemi duke shkuar për të bërë

82
00:04:39,070 --> 00:04:42,810
po ne do të marrin në konsideratë
Dy kolonat në këtë tabelë

83
00:04:42,810 --> 00:04:45,660
dhe të shohim se sa të ngjashme janë ata.

84
00:04:45,660 --> 00:04:48,640
Kështu për shembull, në qoftë se unë
shkoi për të parë Inside Out,

85
00:04:48,640 --> 00:04:53,640
Unë mund të pyes, çfarë janë filmat e tjerë
që të mund të jenë të gatshëm për të shkuar të parë.

86
00:04:53,640 --> 00:04:56,890
Kjo është, ajo që i gatshëm të
shpenzojnë paratë e mia për të shkuar të parë.

87
00:04:56,890 --> 00:05:00,310
Dhe unë mund të krahasoni këtë duke thjesht duke marrë
dy kolona, ​​njëra nga Inside Out

88
00:05:00,310 --> 00:05:03,300
dhe njërin prej tyre në ndonjë nga
filma të tjerë, dhe vetëm duke parë

89
00:05:03,300 --> 00:05:06,210
Sa nga tiparet e tyre ndeshjes.

90
00:05:06,210 --> 00:05:09,660
Pra, nëse unë krahasoj Inside Out
me Minions, mirë, nuk ka

91
00:05:09,660 --> 00:05:10,910
tri gjëra këtu që përputhen.

92
00:05:10,910 --> 00:05:16,200
Ata janë të dy animuar, asnjëri prej tyre
janë filma Marvel, dhe dy prej tyre

93
00:05:16,200 --> 00:05:18,420
kanë parqet dhe req alumni.

94
00:05:18,420 --> 00:05:20,420
Kështu që unë mund të llogarisë deri sa
shumë ndeshje ka qenë,

95
00:05:20,420 --> 00:05:22,640
dhe në këtë rast nuk do të jetë tre.

96
00:05:22,640 --> 00:05:26,450
>> Nëse unë pastaj krahasoni Inside Out
me le të themi Mosha e ULTRON,

97
00:05:26,450 --> 00:05:28,430
Unë mund të shikoni poshtë në listë
dhe thonë, mirë, nuk ka

98
00:05:28,430 --> 00:05:30,140
vetëm një gjë që përputhet atje.

99
00:05:30,140 --> 00:05:34,560
Ata të dy kalojnë testin Bechtel, kështu
që do të jetë një rezultat i një.

100
00:05:34,560 --> 00:05:36,770
Dhe në mes Inside Out
dhe Man Ant, përsëri unë

101
00:05:36,770 --> 00:05:41,420
mund të krahasohen rresht pas rreshti sa
gjëra të përputhen në mes të dy prej tyre.

102
00:05:41,420 --> 00:05:43,060
E pra, një e animuar, dikujt nuk.

103
00:05:43,060 --> 00:05:44,970
Një është një film Marvel, nuk është.

104
00:05:44,970 --> 00:05:47,280
Një mori një zuzar super,
tjetri nuk.

105
00:05:47,280 --> 00:05:49,480
Një kalon Bechtel
Testi, një dështon atë,

106
00:05:49,480 --> 00:05:54,450
por ata të dy kanë Parks dhe req alumni,
kështu përsëri, ajo merr një rezultat të një.

107
00:05:54,450 --> 00:05:58,300
>> Pra, nëse unë po kërkoni për filma
që ishin të ngjashme me Inside Out,

108
00:05:58,300 --> 00:06:02,170
Unë mund të shikoni për filmat që kanë
rezultatin më të lartë në këtë përmbajtje

109
00:06:02,170 --> 00:06:03,952
Skema filtrim.

110
00:06:03,952 --> 00:06:05,660
Pra, në këtë rast, unë
do ta konsideronte Minions

111
00:06:05,660 --> 00:06:08,330
të jetë më afër dhe më shumë
ka të ngjarë të jetë diçka

112
00:06:08,330 --> 00:06:13,250
që unë do të shpenzojnë para për të parë
se mosha e ULTRON apo njeriut Ant.

113
00:06:13,250 --> 00:06:16,150
>> Këto përmbajtje të bazuar
Sistemet e filtrimit të mbështeten vetëm

114
00:06:16,150 --> 00:06:18,670
mbi pronat e
filma, dhe kështu unë

115
00:06:18,670 --> 00:06:21,930
mund të ndërtojnë këto vetëm duke e ditur
diçka në lidhje me produktet

116
00:06:21,930 --> 00:06:23,500
që unë kam.

117
00:06:23,500 --> 00:06:26,050
Unë mund të përdorin të gjitha llojet e
karakteristika që unë do të doja,

118
00:06:26,050 --> 00:06:28,400
dhe unë mund të ndërtojnë më shumë
karakteristika komplekse që

119
00:06:28,400 --> 00:06:33,060
përfshijnë provë më komplekse
të një cilësie sa unë të shkojnë së bashku.

120
00:06:33,060 --> 00:06:39,080
Në fakt, unë edhe mund të shikoni këtë tabelë
jo si një objekt statik,

121
00:06:39,080 --> 00:06:43,110
por më tepër si dimensione
brenda një hapësirë ​​më të madhe shtetëror.

122
00:06:43,110 --> 00:06:46,295
Dhe unë mund të filloni duke folur për
distancat mes filma të ndryshëm.

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

124
00:06:49,300 --> 00:06:51,050
Këto janë të gjitha gjërat
që ne e dimë se si ata

125
00:06:51,050 --> 00:06:55,860
të bëjë duke përdorur llojet e strukturat e të dhënave
që ne kemi parë tashmë në CS50.

126
00:06:55,860 --> 00:06:59,180
Kështu që unë mund të imagjinohet ndërtesë
një strukturë e të dhënave për një film.

127
00:06:59,180 --> 00:07:02,390
Ka një struct që unë kam
ndërtuar quajtur film,

128
00:07:02,390 --> 00:07:04,369
dhe ajo ka pesë hyra Boolean në të.

129
00:07:04,369 --> 00:07:07,160
A është e animuar, është një mrekulli
film, e bën atë të ketë një zuzar super,

130
00:07:07,160 --> 00:07:11,047
e bën atë të kalojnë testin Bechdel, dhe
janë atje Parqet dhe Rec alumni në të?

131
00:07:11,047 --> 00:07:12,880
Dhe secili prej tyre është një
Struktura e të dhënave që unë

132
00:07:12,880 --> 00:07:16,330
mund të zënë për këtë film të veçantë.

133
00:07:16,330 --> 00:07:20,090
>> Pastaj llogaritin nëse dy
filma janë të ngjashme ose jo,

134
00:07:20,090 --> 00:07:23,330
çfarë rezultati i tyre është, unë mund të
shkruani nga një sërë pseudokod që

135
00:07:23,330 --> 00:07:25,120
gjeneron të njëjtin funksion.

136
00:07:25,120 --> 00:07:30,100
Kjo është, duke pasur parasysh disa film M1, unë mund të
gjeni filmin më të ngjashëm me atë

137
00:07:30,100 --> 00:07:32,430
duke ndjekur pseudokod.

138
00:07:32,430 --> 00:07:37,040
Unë e konsideroj që është më e mirë
sistemi që unë kam gjetur të shënuar,

139
00:07:37,040 --> 00:07:39,920
krahasimi më i mirë që unë kam gjetur.

140
00:07:39,920 --> 00:07:41,890
Për çdo film tjetër
Unë jam duke shkuar për të shkuar nëpër,

141
00:07:41,890 --> 00:07:44,920
Unë do të të vendosur një rezultat ndeshje të barabartë me 0.

142
00:07:44,920 --> 00:07:47,920
Dhe unë do të shkoj nëpër atë
Filmi, një M1, filmi

143
00:07:47,920 --> 00:07:51,500
Unë fillova me të, unë do të kontrolloni
çdo tipar

144
00:07:51,500 --> 00:07:53,650
se ata duhet të shohin
në qoftë se ka një ndeshje.

145
00:07:53,650 --> 00:07:56,460
Nëse ka një ndeshje, unë do
ardhura rezultatin ndeshje.

146
00:07:56,460 --> 00:08:00,480
Dhe në qoftë se në fund rezultatin ndeshje që
Unë kam është më i mirë se i tanishëm më i mirë

147
00:08:00,480 --> 00:08:03,310
të shënuar, atëherë unë do të
mos harroni se rezultatin më të mirë,

148
00:08:03,310 --> 00:08:05,820
dhe kjo është ndeshja më e mirë që kam.

149
00:08:05,820 --> 00:08:09,450
Në fund, çfarëdo film
është ulur në ndeshjen më të mirë,

150
00:08:09,450 --> 00:08:12,580
kjo është më e afërt
Unë kam qenë në gjendje për të ardhur.

151
00:08:12,580 --> 00:08:14,890
Pra, këto përmbajtje të bazuar
Sistemet e filtrimit,

152
00:08:14,890 --> 00:08:16,900
ata të gjithë kanë këtë strukturë bazike.

153
00:08:16,900 --> 00:08:20,910
Ata mbështeten mbi sendin
në fjalë dhe asgjë nuk

154
00:08:20,910 --> 00:08:24,590
lidhje me ndonjë nga parapëlqimet e përdoruesit.

155
00:08:24,590 --> 00:08:29,010
>> Mekanizmi tjetër që ne i përdorim në
urdhërojnë për të ndërtuar sistemet rekomanduese

156
00:08:29,010 --> 00:08:31,790
është quajtur filtrim bashkëpunuese.

157
00:08:31,790 --> 00:08:36,520
Filtrim bashkëpunuese mbështetet mbi
jo cilësitë e objektit në vetvete,

158
00:08:36,520 --> 00:08:40,010
por se si njerëzit, të tjera
Përdoruesit që është, se si ata kanë

159
00:08:40,010 --> 00:08:43,370
iu përgjigj këtyre objekteve të njëjta.

160
00:08:43,370 --> 00:08:48,720
Pra, për të vazhduar me shembullin tim film,
Unë mund të marrë një bandë e miqtë e mi

161
00:08:48,720 --> 00:08:53,180
dhe studim e tyre në lidhje me nëse janë apo
jo ata i pëlqente filmat veçanta.

162
00:08:53,180 --> 00:08:56,560
Tani vende të ndryshme do të gjenerojë
këto të dhëna në mënyra të ndryshme.

163
00:08:56,560 --> 00:08:59,630
Ju mund të studim direkt tuaj
përdoruesit, ose ju mund vetëm

164
00:08:59,630 --> 00:09:03,120
të shohim se çfarë ata zgjedhin nëse
ju jeni, për shembull Netflix.

165
00:09:03,120 --> 00:09:05,640
Të cilat filma bëri ata të shikojnë?

166
00:09:05,640 --> 00:09:08,670
>> Unë mund të vënë në dyshim disa nga tim
miqtë këtu dhe gjeni

167
00:09:08,670 --> 00:09:12,910
se Jason pëlqente çdo film
ai pa, nuk është e habitshme atje.

168
00:09:12,910 --> 00:09:15,590
Andy vetëm i pëlqente Minions dhe hallë Man.

169
00:09:15,590 --> 00:09:19,330
Sarah pëlqyer brenda dhe jashtë dhe
Avengers, e kundërta e Andy.

170
00:09:19,330 --> 00:09:22,200
Dhe Sam, mirë, Sam pëlqyer
të gjitha filmat Superhero,

171
00:09:22,200 --> 00:09:24,960
por asnjë nga filmat e animuar.

172
00:09:24,960 --> 00:09:30,630
>> Unë pastaj mund të pyetjes për disa të reja
individ, disa përdorues tjetër si veten

173
00:09:30,630 --> 00:09:34,520
dhe pyesin, mirë, në qoftë se unë i pëlqente
njëra nga këto filmave,

174
00:09:34,520 --> 00:09:38,600
mund të bëni një parashikim për
që filma unë mund të dëshironi tjetër.

175
00:09:38,600 --> 00:09:41,890
Kjo është, në qoftë se unë i pëlqente Brenda
Jashtë, të cilat filma të tjerë

176
00:09:41,890 --> 00:09:48,460
jam shumë gjasa për të të duan të shohin
bazuar në atë që bëri njerëzit të ngjashme?

177
00:09:48,460 --> 00:09:51,640
Kjo është, unë do të shkoj nëpër një
Unë do të filtruar nëpër këtë listë

178
00:09:51,640 --> 00:09:54,520
dhe për të gjetur vetëm
individët të cilët gjithashtu pëlqente

179
00:09:54,520 --> 00:09:57,680
Inside Out, i cili përputhet preferencat e mia.

180
00:09:57,680 --> 00:10:00,824
E pra, kjo do të thotë se Andy dhe
Sam, ata nuk e pëlqen brenda dhe jashtë,

181
00:10:00,824 --> 00:10:02,240
kështu që unë nuk jam do të marrin në konsideratë ato.

182
00:10:02,240 --> 00:10:06,130
Unë jam duke shkuar për të hequr qafe të tyre
të dhënat për këtë krahasim.

183
00:10:06,130 --> 00:10:09,750
>> Unë pastaj mund të shikoni në çfarë Jason
dhe Sara mendoi dhe grup

184
00:10:09,750 --> 00:10:13,780
up që nga filmat që ata panë
që nuk e kam, nëse ata i pëlqente ato

185
00:10:13,780 --> 00:10:15,150
apo jo.

186
00:10:15,150 --> 00:10:17,820
Unë mund vetëm të numëroj deri, le të themi vota.

187
00:10:17,820 --> 00:10:23,360
Pra Minions, për shembull, mund të ketë një të tillë
votojnë për të, sepse Jason liked it.

188
00:10:23,360 --> 00:10:27,170
Të dy Jason dhe Sara pëlqente Avengers,
kështu që do të ketë dy vota.

189
00:10:27,170 --> 00:10:30,700
Dhe vetëm Jason pëlqente Ant Man,
kështu ajo do të marrë një votë.

190
00:10:30,700 --> 00:10:34,870
Pra, nëse unë kam për të pastaj të të rekomandojë
për veten se cili prej këtyre filmave

191
00:10:34,870 --> 00:10:41,470
Unë mund të jetë më shumë gjasa për të parë, unë do të
duhet të zgjedhin Mosha e ULTRON: Avengers.

192
00:10:41,470 --> 00:10:44,490
>> Pra, për ndonjë nga këto
sistemet, tani unë jam duke përdorur

193
00:10:44,490 --> 00:10:49,260
të dhëna që nuk ishte gjeneruar rreth
Vetë film, por në lidhje me preferencat

194
00:10:49,260 --> 00:10:51,960
nga përdorues të tjerë.

195
00:10:51,960 --> 00:10:54,150
Kjo ka disa vështirësi natyrisht.

196
00:10:54,150 --> 00:10:55,920
Çfarë ndodh nëse ju nuk keni ndonjë përdorues tjetër?

197
00:10:55,920 --> 00:10:58,770
E pra, kjo quhet problemi fillimin.

198
00:10:58,770 --> 00:11:03,760
Ju duhet të keni disa
Sasia e të dhënave para se ju jeni

199
00:11:03,760 --> 00:11:07,560
në gjendje të fillojnë duke e bërë
Këto rekomandime.

200
00:11:07,560 --> 00:11:10,940
Anë rrokullisje e saj është herë
ju filloni mbledhjen e të dhënave,

201
00:11:10,940 --> 00:11:13,870
në qoftë se ju mund të mbledhë më shumë
dhe të dhënat e më shumë,

202
00:11:13,870 --> 00:11:17,850
ju do të merrni më të mirë dhe më të mirë
dhe rekomandimet më të mira.

203
00:11:17,850 --> 00:11:21,650
>> Tani ne mund të përkthehet
kjo në kod si edhe.

204
00:11:21,650 --> 00:11:23,860
Ne mund të përcaktojë një tjetër
lloj strukture,

205
00:11:23,860 --> 00:11:25,720
në këtë rast ne do të thërrasë atë një përdorues.

206
00:11:25,720 --> 00:11:30,970
Dhe atë e mori karakteristika për
që Filma ky përdorues pëlqente.

207
00:11:30,970 --> 00:11:34,560
A u pëlqen Inside Out,
Minions, Avengers, dhe Ant Man.

208
00:11:34,560 --> 00:11:36,660
Ne pastaj mund të gjenerojnë
disa pseudokod për të ndjekur

209
00:11:36,660 --> 00:11:39,460
e njëjta procedurë që kam përdorur më parë.

210
00:11:39,460 --> 00:11:43,460
Kjo është, dhënë një të veçantë
përdorues x, le të të rekomandojë një film

211
00:11:43,460 --> 00:11:46,107
se x mund të donte.

212
00:11:46,107 --> 00:11:47,940
Ne mund të shkoni nëpër dhe
për të gjithë filmat,

213
00:11:47,940 --> 00:11:51,410
ne mund të iniciojnë një rezultat
për këtë film të jetë 0.

214
00:11:51,410 --> 00:11:54,080
Dhe pastaj ne mund të gjeni të gjitha
e përdoruesve të tjerë të cilët

215
00:11:54,080 --> 00:11:57,630
kanë të njëjtat preferenca si x.

216
00:11:57,630 --> 00:11:59,990
Dhe pastaj për çdo
film që ata i pëlqente,

217
00:11:59,990 --> 00:12:02,340
ne do të rrisim rezultatin e atij filmi.

218
00:12:02,340 --> 00:12:05,010
Cilado film në
fund ka rezultatin më të lartë,

219
00:12:05,010 --> 00:12:07,600
kjo është një unë duhet të rekomandojë.

220
00:12:07,600 --> 00:12:09,890
>> Asnjë nga këto nuk është me të vërtetë i panjohur.

221
00:12:09,890 --> 00:12:11,600
Asnjë nga këto nuk është sfiduese.

222
00:12:11,600 --> 00:12:15,810
Këto janë të gjitha algoritmet themelore
që ju të mund të zbatojë sot.

223
00:12:15,810 --> 00:12:20,050
>> Tani me sisteme rekomanduesi vërtetë,
keni drejtuar në disa probleme.

224
00:12:20,050 --> 00:12:23,300
Çfarë nëse nuk ka askush që
përputhet saktësisht preferencat tuaja?

225
00:12:23,300 --> 00:12:27,170
Çfarë nëse ka përdorues të cilët
Janë pikërisht preferencat tuaja,

226
00:12:27,170 --> 00:12:30,480
por pastaj devijojnë në mënyrë drastike
nga ajo që ju pëlqen?

227
00:12:30,480 --> 00:12:36,210
Më pëlqen klasik Godzilla
filma, por gruaja ime nuk e bën.

228
00:12:36,210 --> 00:12:39,430
Më pëlqen të shikojnë ata, im
Llogaria Netflix përmban ato.

229
00:12:39,430 --> 00:12:41,800
Saj nuk ka.

230
00:12:41,800 --> 00:12:45,230
Çfarë ndodh kur ne fillojmë
përzierjen e të dhënave si kjo?

231
00:12:45,230 --> 00:12:47,690
Këto janë të gjitha sfidat
që ju mund të kapërcejë,

232
00:12:47,690 --> 00:12:51,900
ata vetëm të marrë pak
algoritme më komplekse.

233
00:12:51,900 --> 00:12:56,420
>> Tani në botën e vërtetë, e cila
janë në të vërtetë funksionale,

234
00:12:56,420 --> 00:12:59,980
nuk kemi përdorni përmbajtje filtrim në bazë ose
nuk kemi përdorim filtrim bashkëpunuese?

235
00:12:59,980 --> 00:13:01,910
Dhe përgjigja është ne përdorim dy prej tyre.

236
00:13:01,910 --> 00:13:06,350
Pothuajse të gjithë e përdoruesve të mëdha në
ky rast, Amazon, Facebook, Netflix,

237
00:13:06,350 --> 00:13:11,200
Pandora, ata të gjithë përdorin një kombinim të
këto sisteme të ndryshme rekomandim.

238
00:13:11,200 --> 00:13:16,520
Dhe kur kombinohen zgjedhje nga
secili, ne i quajmë ato sisteme hibride.

239
00:13:16,520 --> 00:13:20,750
Ata në një farë mënyre varet nga
tiparet e objektit në vetvete,

240
00:13:20,750 --> 00:13:24,710
dhe në disa mënyra ata varen nga
preferencat e përdoruesve të tjerë.

241
00:13:24,710 --> 00:13:28,120
Këto sisteme hibride,
ata janë një biznes i madh,

242
00:13:28,120 --> 00:13:30,830
dhe ata janë çfarë është aktuale sot.

243
00:13:30,830 --> 00:13:32,839
>> Pra, Faleminderit shumë për t'u bashkuar me mua.

244
00:13:32,839 --> 00:13:35,380
Unë shpresoj se ju keni marrë pak
pak e një kuptim të asaj

245
00:13:35,380 --> 00:13:37,430
i bën këto sisteme punë.

246
00:13:37,430 --> 00:13:41,980
Herën tjetër ju jeni online, mos harroni se
jo vetëm ju ndikuar zgjedhjet tuaja,

247
00:13:41,980 --> 00:13:44,680
por potencialisht të gjithë të tjerët si.

248
00:13:44,680 --> 00:13:46,480
Faleminderit perseri.

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