Differenze tra le versioni di "Sistema di raccomandazione"

→‎Metodi: aggiunto link a pagina sul cold start appena creata
(→‎top: +O using AWB)
(→‎Metodi: aggiunto link a pagina sul cold start appena creata)
L’approccio collaborativo<ref>{{Cita web|url=https://www.spindox.it/it/blog/collaborative-filtering|titolo=Collaborative filtering: così evolvono i sistemi di raccomandazione}}</ref> crea dei suggerimenti utilizzando la similarità tra gli utenti. Il presupposto è che utenti simili abbiano probabilmente gusti simili. L’approccio collaborativo si basa sul tipo di elementi visualizzati dall'utente in precedenza e su eventuali voti che l’utente ha attribuito all'elemento. Partendo dal principio che utenti simili potrebbero attribuire allo stesso elemento una valutazione simile, l’[[algoritmo]] fornisce all'utente gli elementi votati da altri utenti con le valutazioni più alte.<gallery mode="packed" widths="300" heights="250">
File:Collaborative Filtering in Recommender Systems.jpg|Approccio Collaborativo
</gallery>Utilizzando l’approccio collaborativo, non è necessaria la creazione esplicita del profilo dell’utente perché il sistema ne crea uno attraverso dati come il tipo di acquisto. Il problema più diffuso che si verifica utilizzando l’approccio collaborativo è il problema della [[cold start]]. Questa situazione occorre quando un nuovo utente si unisce al sito. Il sistema non ha a disposizione sufficienti informazioni di acquisto dell’utente, e di conseguenza la raccomandazione è meno accurata. La stessa situazione avviene quando un nuovo prodotto è aggiunto al catalogo. La radio online Last.fm è un esempio di sito che utilizza l’approccio collaborativo. L’elenco di riproduzione di un utente viene comparato a quello di utenti simili, in modo da creare una lista di canzoni che l’utente non ha ancora ascoltato ma che altri utenti simili hanno.
 
L'approccio basato sui contenuti<ref>{{Cita web|url=http://recommender-systems.org/content-based-filtering/|titolo=Content-Based Filtering}}</ref> incrocia il contenuto di un elemento e il profilo di un utente. Il contenuto di un elemento è costituito dalla sua descrizione, attributi, parole chiave e etichette. Questi dati vengono messi a confronto con il profilo utente che racchiude le preferenze dell’utente, costruite analizzando gli elementi visualizzati da un utente durante la navigazione. Anche il profilo delle preferenze è espresso tramite attributi, parole chiave e etichette. Mettendo a confronto il contenuto degli elementi e il profilo delle preferenze, il motore di raccomandazione suggerisce all'utente articoli che possono essere di suo interesse. L’approccio basato sul contenuto utilizza sistemi per creare delle stime probabili e affidabili. Viene spesso usato il [[Classificatore bayesiano|classificatore Bayesiano]]. Un esempio di sito che applica l’approccio basato sul contenuto è Pandora Radio. Un utente che usa Pandora Radio deve creare una lista di riproduzione aggiungendo canzoni e artisti di suo interesse. In questo modo, il sistema consiglia all'utente altre canzoni e autori che potrebbero essere di suo interesse. In questo caso, il sistema fornisce all'utente raccomandazioni anche basandosi sui like che l’utente ha attribuito alla canzone o all'artista.
36

contributi