Collaborative filtering

Коллаборативная фильтрация — это метод рекомендательных систем, который предсказывает предпочтения человека, опираясь на вкусы похожих на него людей. Вместо анализа свойств товара она использует коллективный опыт: если многим нравится одно и то же, то и вам, скорее всего, понравится.

Этот термин важен, потому что лежит в основе персонализации в цифровую эпоху. Без него сервисы вроде онлайн-кинотеатров и магазинов были бы слепы: они показывали бы всем одно и то же. Коллаборативная фильтрация позволяет учитывать скрытые закономерности — например, связь между любовью к детективам и интересом к головоломкам, которую невозможно заранее прописать вручную.

Как это работает на интуитивном уровне? Представьте книжный клуб. Вы не знаете, что почитать, и спрашиваете у группы людей, сходных с вами по вкусу. Они советуют несколько книг, которые вы ещё не видели, но которые понравились большинству из них. Система делает то же в масштабе миллионов: строит профили по оценкам, находит похожих соседей и рекомендует то, что понравилось им, но неизвестно вам.

Прикладной пример: видеосервис замечает, что люди, которые смотрели фильм «Начало», часто ставят высокие оценки «Матрице». Если вы посмотрели «Начало» и не смотрели «Матрицу», система включит её в подборку. Причём ей не нужно знать, о чём эти фильмы, — достаточно статистики совпадений.

Краткий вывод: коллаборативная фильтрация превращает поведение толпы в личный советчик. Она не понимает содержание, но отлично улавливает паттерны предпочтений, что делает рекомендации удивительно точными.