Filtrarea colaborativa: ce este si pentru ce este?

Noile modele, precum filtrarea colaborativa, permit rezolvarea acestor probleme si sunt foarte utile pentru imbunatatirea tehnicilor de cautare intre utilizatorii aceleiasi comunitati. Inca nu stiti cum va poate ajuta acest instrument afacerea? In acest articol va spunem toate cheile pentru filtrarea colaborativa.

Ce este filtrarea colaborativa?

Filtrarea colaborativa este o tehnica folosita de sistemele de recomandare pentru a rezolva problemele derivate din supraincarcarea de informatii de care sufera consumatorii pe internet. Aceasta tendinta creste din ce in ce mai mult in fiecare zi, datorita functionalitatii sale enorme, mai multi utilizatori folosesc acest instrument in cautarile lor.

Inainte de nasterea internetului, consumatorul nu avea nicio sursa de informatie in afara de publicitatea proprie a produsului. Piata a trecut de la aceasta lipsa de informatii la saturatie. In acest context, apare filtrarea colaborativa. Companiile incorporeaza aceste instrumente in pagina lor, iar utilizatorii insisi construiesc inteligenta colectiva printr-un sistem de recomandari care sunt apoi studiate si traduse folosind algoritmi statistici.

Una dintre companiile de pionierat in incorporarea acestui instrument in site-ul sau a fost celebrul magazin online Amazon.com, care isi informeaza utilizatorii despre produsele care i-ar putea interesa pe baza celor pe care au dat deja clic.

Tipuri de filtrare colaborativa:

Exista diferite tipuri de filtrare la stabilirea recomandarilor, acestea putand fi clasificate in patru:

• Filtrate in functie de continut: recomandarile sunt facute in functie de continutul care poate fi placut sau interesat.
• Filtre demografice: se realizeaza pe baza caracteristicilor utilizatorilor (varsta, sex, educatie etc.).
• Filtrare colaborativa: recomandarile se bazeaza pe cautari votate pozitiv de la utilizatori similari.
• Filtre hibride: amesteca cele doua sau trei filtre anterioare pentru o experienta mai buna.

Filtrele colaborative sunt folosite pentru:

Filtrarea colaborativa este utilizata pentru a face predictii automate despre interesele unui utilizator prin colectarea preferintelor sau gusturilor aceluiasi consumator sau ale altor consumatori cu interese comune.

Tipuri de algoritmi de sistem de filtrare:

Sistemele de filtrare au multe variante cu algoritmi care sunt utilizati pentru elaborarea lor: 

• Algoritmi de filtrare colaborativa bazati pe memorie sau algoritmi de cel mai apropiat vecin: utilizati datele colectate pentru a calcula similitudinea dintre utilizatori sau elemente comune. A fost unul dintre primele care a fost folosit si este simplu si eficient. Acestea functioneaza prin cautarea de utilizatori cu modele de evaluare similare cu utilizatorul activ, pentru care se face selectia. De asemenea, folosesc tehnici statistice pentru a gasi vecini cu un istoric de cautare similar cu cel al utilizatorului actual. Principalul lor dezavantaj este ca au nevoie de un numar minim de utilizatori pentru a face recomandarea.

• Algoritmi de filtrare colaborativa bazati pe modele: algoritmii de invatare automata sunt utilizati pentru a gasi modele. Imbunatateste performanta in ceea ce priveste predictia, deoarece ofera o baza mai intuitiva. Acestea functioneaza folosind evaluarile utilizatorilor de la egal la egal pentru a calcula alegerea utilizatorului activ. Ei construiesc mai intai un model al cautarilor utilizatorului, dar acest proces necesita o invatare lunga si intensiva.

Exista, de asemenea, algoritmi hibrizi care combina ambele modele, dar sunt complexe si costisitoare de implementat.

Dificultati pe care le putem gasi atunci cand folosim filtrarea colaborativa:

• Lipsa datelor: sistemele de filtrare colaborative se bazeaza pe seturi de date. Daca acest esantion de date este mic, poate fi foarte costisitor si ineficient. Uneori, o problema comuna incepe de la zero, deoarece preferintele nu pot fi colectate cu acuratete si incredere.
• Sinonime: diversitatea etichetelor cu nume similare nu sunt uneori recunoscute de sistemul de filtrare atunci cand de fapt utilizatorul cauta acelasi element si informatiile se pierd. De exemplu: un utilizator care cauta computere sau computere , acestea sunt sinonime, dar motorul de cautare nu le pune in legatura.
• Haters sau oaia neagra: o alta dificultate care afecteaza sistemele de filtrare sunt parerile utilizatorilor care nu sunt de acord cu nimic si toate recomandarile lor sunt negative, inrautatesc calitatea scurgerilor. 
• Atacuri Shilling: in sistemele de recomandare, oricine poate face evaluari, iar un utilizator poate vota pozitiv doar pentru produsele si serviciile sale si poate acorda voturi negative concurentilor sai, falsificand eficienta acestui instrument. 
• Diversitate: filtrele incearca sa gaseasca o diversitate pentru a putea recomanda intre mai multe optiuni. Uneori, acest filtru reduce aceasta varietate, dand vizibilitate doar celor mai populare produse.