İçerik tabanlı filtreleme, popüler bir öneri veya öneri sistemi tekniğidir. Burada sistem, hoşunuza gidebilecek şeyler önermek için özelliklerinizi ve beğenilerinizi kullanır. Ayrıca sizin tarafınızdan internet üzerinden sağlanan bilgileri ve toplayabildiklerini kullanarak buna göre öneriler sunar.
İçerik tabanlı filtrelemenin arkasındaki amaç, ürünleri belirli anahtar kelimelerle sınıflandırmak, müşterinin neyi sevdiğini öğrenmek, bu terimleri veri tabanında aramak ve ardından benzer şeyler önermektir.
Bu tür bir öneri sistemi, büyük ölçüde kullanıcılar tarafından sağlanan girdilere bağlıdır. Bazı yaygın örnekler arasında Google, Wikipedia vb. bulunmaktadır. Örneğin, bir kullanıcı bir grup anahtar kelime aradığında, Google bu anahtar kelimelerden oluşan tüm öğeleri görüntüler.
Aynı özellik alanında kullanıcıyı da temsil ediyorsunuz. Kullanıcıyla ilgili özelliklerden bazıları, kullanıcı tarafından açıkça sağlanabilir. Örneğin, bir kullanıcı profilinde “Eğlence uygulamalarını’’ seçer. Diğer özellikler, daha önce yükledikleri uygulamalara bağlı olarak kapalı olabilir.
Model, bu kullanıcıyla ilgili öğeleri önermelidir. Bunu yapmak için önce bir benzerlik metriği seçmelisiniz (örneğin, nokta çarpımı). Ardından, her bir aday öğeyi bu benzerlik metriğine göre puanlayacak şekilde sistemi kurmalısınız. Model diğer kullanıcılar hakkında herhangi bir bilgi kullanmadığından, önerilerin bu kullanıcıya özel olduğunu unutmayın.
İçerik Tabanlı Filtreleme Öneri Sistemleri Nasıl Çalışır?
İçerik tabanlı bir öneri aracı, kullanıcının açıkça (derecelendirme) veya dolaylı olarak (bir bağlantıya tıklayarak) sağladığı verilerle çalışır. Bu verilere dayanarak daha sonra kullanıcıya önerilerde bulunmak için kullanılan bir kullanıcı profili oluşturulmaktadır. Kullanıcı daha fazla girdi sağladıkça veya önerilere göre işlem yaptıkça motor giderek daha doğru hale gelir.
İçerik Tabanlı Filtreleme ile Karşılaşılan Zorluklar
İçerik tabanlı yöntemler, soğuk başlangıç probleminden işbirlikçi yaklaşımlardan çok daha az etkileniyor gibi görünmektedir. Çünkü yeni kullanıcılar veya öğeler kendi özellikleriyle yani içerikle tanımlanabilmektedir. Dolayısıyla bu yeni varlıklar için ilgili öneriler yapılabilir. Yalnızca yeni kullanıcılar veya daha önce görülmemiş özelliklere sahip öğeler mantıksal olarak bu dezavantajdan zarar görecektir. Ancak sistem bir kez yeterince eğitildiğinde, bunun olma şansı çok az veya hiç olmaz. Temel olarak, bir kullanıcı geçmişte bir öğeyle ilgilendiyse, gelecekte aynı şeyle bir kez daha ilgileneceğini varsayar. Benzer öğeler genellikle özelliklerine göre gruplandırılır. Kullanıcı profilleri, geçmiş etkileşimler kullanılarak veya kullanıcılara açık bir şekilde ilgi alanları sorarak oluşturulur. Kullanıcının kişisel ve sosyal verilerini kullanan, tamamen içerik tabanlı olarak kabul edilmeyen başka sistemler de vardır.
KAYNAK:https://dergipark.org.tr/tr
İlginizi çekebilir:https://www.nesilteknoloji.com/veri-isleme-sozlesmesi/
YAZAR: BEYZANUR GÖKTAŞ