Section outline

  • Priporočilni sistemi, v svoji osnovi, napovedujejo kakšno oceno bi konkreten uporabnik dal konkretnemu izdelku. Gre torej za personalizirane ocene, ki jih navadno uporabimo za priporočanje izdelkov (npr. filmov, knjig, elektronike, itd.) konkretnemu uporabniku priporočilnega sistema.

    V sklopu predmeta smo si ogledali dva razreda priporočilnih sistemov: sisteme, ki delujejo po principu sodelovanja uporabnikov (angl. collaborative filtering) in sisteme, ki priporočajo na podlagi vsebine (angl. content-based recommenders). Na njih smo predvsem gledali z očmi inženirja kot širši samostojen primer sistema, ki uporablja znanje/umetno inteligenco. Pri obeh razredih smo tako videli tudi uporabo različnih tehnik strojnega učenja. Navezava na odločitveni del predmeta pride skozi uporabo takih sistemov: kako znotraj uporabniškega vmesnika kar najbolje za dano situacijo uporabiti rezultate priporočilnega modula. Podobne dileme in razmišljanja srečamo tudi pri uporabi ekspertnih sistemov in sistemov za podporo odločanju (npr. v medicini).

    Z inženirskega vidika smo si pogledali tudi načine evalvacije priporočilnih sistemov, kombiniranje različnih sistemov v hibridni priporočilni sistem ter na koncu še napade na priporočilne sisteme.