SlideShare ist ein Scribd-Unternehmen logo
1 von 15
Downloaden Sie, um offline zu lesen
Odpor                                            
                                      -­              

        J Á N    S U C H A L   
    @ j s u c h a l ,    F I I T    S T U   
 
Odpor     
Odpor   (2)  
 
Odpor     
(2)  
Personalizované       
 

                    10  odpor        
                               
                                          
                                                               
                                                     
                           
                                             ?  
              ?  
Spätná  analýza  rozhodujúcich  faktorov  
 l             /obsah/slu       
 

                                                 
Obsahové  
 p                                        
 r                                             
 rovnaká  téma,  kategória,  cena,  farba,  materiál  
 ...  
   
Kolaboratívne  
 podobné  záujmy  (hunch)  
 rovnakí  priatelia  (facebook,  foaf),  followeri  (twitter)    
 ...  
 

Vstupné  dáta  
 logy  =  1+M  klikov  denne  
 metadáta  k             
 logy  od/                            
Kolaboratívny  prístup  
 k-­najbli                
                    /pou              
 implicitná  negatívna  spätná  väzba  
Vyhodnotenie  
 syntetické  testovanie  
 CTR  +  RR  (rejection  rate)  
   
   
Implicitná  negatívna  spätná  väzba  

Krátke  n                                               
     n                                          len  zopár  sekúnd  
     identifikácia  z  logov    
     problém:  taby  
      egatívne                           y                            
                                                             
                                               top-­N  v  danom                                                          
     problém:  hranica  medzi  videl  a  nechcel  vs.  prehliadol  
  


                  Filip  Radlinski  ,  Thorsten  Joachims.  Query  chains:  learning  to  rank  from  implicit  feedback.  
Testovanie  

Algoritmy  
     k-­najbli               (základ)  
     odfiltrovanie  negat                       
                                          k-­najbli                  
     k-­najbli                                          
Syntetické  testovanie  
     klasický  ML  prístup  (tr                                         )  
     ladenie  parametrov  
A/B  testovanie  
     viac  algoritmov  s            *  ~10  rôznych  nastavení  
     meranie  CTR  a  RR  
  
 

                                              
  r                       
  l                         
Hybridný  prístup  
          obsahov                    
  metadáta  k          (téma,  typ,  autor)  
  externé  metadáta  (FB  likes,  témy,  geo)  
Dlhodobé  záujmy  (model  pou                     )  
  preferencie  
GUI  a  UX  
Trendy  v  odpor                                   

Skupinov                            
 filmy,  podujatia,  podniky  
                  zo   social            
 FB,  twitter,  media  
                                                 
  o  si  o  mne  systém  myslí?  Ako  to  zmením?  
                                                  

Weitere ähnliche Inhalte

Odporúčacie systémy a služba sme.sk - čo čítať

  • 1. Odpor   -­     J Á N   S U C H A L   @ j s u c h a l ,   F I I T   S T U  
  • 2.  
  • 3. Odpor  
  • 4. Odpor (2)  
  • 5.  
  • 6. Odpor  
  • 9.   10  odpor             ?   ?   Spätná  analýza  rozhodujúcich  faktorov   l /obsah/slu  
  • 10.     Obsahové   p   r   rovnaká  téma,  kategória,  cena,  farba,  materiál   ...     Kolaboratívne   podobné  záujmy  (hunch)   rovnakí  priatelia  (facebook,  foaf),  followeri  (twitter)     ...  
  • 11.   Vstupné  dáta   logy  =  1+M  klikov  denne   metadáta  k     logy  od/   Kolaboratívny  prístup   k-­najbli   /pou   implicitná  negatívna  spätná  väzba   Vyhodnotenie   syntetické  testovanie   CTR  +  RR  (rejection  rate)      
  • 12. Implicitná  negatívna  spätná  väzba   Krátke  n   n len  zopár  sekúnd   identifikácia  z  logov     problém:  taby   egatívne   y       top-­N  v  danom     problém:  hranica  medzi  videl  a  nechcel  vs.  prehliadol     Filip  Radlinski  ,  Thorsten  Joachims.  Query  chains:  learning  to  rank  from  implicit  feedback.  
  • 13. Testovanie   Algoritmy   k-­najbli (základ)   odfiltrovanie  negat   k-­najbli   k-­najbli   Syntetické  testovanie   klasický  ML  prístup  (tr )   ladenie  parametrov   A/B  testovanie   viac  algoritmov  s  *  ~10  rôznych  nastavení   meranie  CTR  a  RR    
  • 14.     r   l   Hybridný  prístup    obsahov   metadáta  k   (téma,  typ,  autor)   externé  metadáta  (FB  likes,  témy,  geo)   Dlhodobé  záujmy  (model  pou )   preferencie   GUI  a  UX  
  • 15. Trendy  v  odpor   Skupinov   filmy,  podujatia,  podniky   zo   social     FB,  twitter,  media     o  si  o  mne  systém  myslí?  Ako  to  zmením?