فیلترسازی مشارکتی: آشکارسازی رفتار کاربر برای تجربیات شخصی‌سازی شده

در دنیای امروزی که سرشار از داده است، کاربران با حجم عظیمی از اطلاعات بمباران می‌شوند. از پلتفرم‌های تجارت الکترونیک که میلیون‌ها محصول را به نمایش می‌گذارند تا سرویس‌های پخش جریانی که کتابخانه‌های وسیعی از محتوا را ارائه می‌دهند، این حجم زیاد می‌تواند طاقت‌فرسا باشد. فیلترسازی مشارکتی (CF) به عنوان یک تکنیک قدرتمند برای غربال کردن این نویز، پیش‌بینی ترجیحات کاربر و ارائه تجربیات شخصی‌سازی شده که رضایت و تعامل را افزایش می‌دهد، پدیدار می‌شود.

فیلترسازی مشارکتی چیست؟

فیلترسازی مشارکتی یک تکنیک توصیه‌گر است که با جمع‌آوری ترجیحات از بسیاری از کاربران، علایق کاربر را پیش‌بینی می‌کند. فرض اساسی این است که کاربرانی که در گذشته توافق داشته‌اند، در آینده نیز توافق خواهند داشت. اساساً، از خرد جمعی برای ارائه توصیه‌های آگاهانه استفاده می‌کند. به جای تکیه بر ویژگی‌های آیتم (فیلترسازی مبتنی بر محتوا) یا پروفایل‌های صریح کاربر، CF بر روابط بین کاربران و آیتم‌ها تمرکز دارد، الگوهای شباهت را شناسایی می‌کند و بر اساس ترجیحات کاربران مشابه یا محبوبیت آیتم‌های مشابه، آنچه را که کاربر ممکن است دوست داشته باشد، پیش‌بینی می‌کند.

اصول اصلی

CF بر اساس دو اصل اساسی عمل می‌کند:

• شباهت کاربر: کاربرانی که رفتار مشابهی در گذشته داشته‌اند، احتمالاً ترجیحات مشابهی در آینده خواهند داشت.
• شباهت آیتم: آیتم‌هایی که توسط کاربران مشابهی دوست داشته شده‌اند، احتمالاً توسط سایر کاربران مشابه دوست داشته خواهند شد.

انواع فیلترسازی مشارکتی

انواع مختلفی از فیلترسازی مشارکتی وجود دارد که هر کدام نقاط قوت و ضعف خاص خود را دارند:

فیلترسازی مشارکتی مبتنی بر کاربر

CF مبتنی بر کاربر، کاربرانی را شناسایی می‌کند که بر اساس تعاملات گذشته خود، شبیه به کاربر هدف هستند. سپس آیتم‌هایی را که این کاربران مشابه دوست داشته‌اند، اما کاربر هدف هنوز با آنها مواجه نشده است، توصیه می‌کند. ایده اصلی این است که محله‌ای از کاربران را پیدا کنید که سلیقه‌ها و ترجیحات مشابهی دارند.

مثال: تصور کنید کاربری در برزیل به‌طور مکرر مستندهایی درباره حیات وحش و تاریخ در یک پلتفرم پخش جریانی تماشا می‌کند. CF مبتنی بر کاربر، سایر کاربران در برزیل، ژاپن و ایالات متحده آمریکا را که عادات تماشای مشابهی دارند، شناسایی می‌کند. سپس سیستم، مستندهایی را که این کاربران مشابه از آنها لذت برده‌اند، اما کاربر اصلی هنوز تماشا نکرده است، توصیه می‌کند. الگوریتم باید امتیازها را نرمال‌سازی کند، به‌طوری‌که کاربرانی که به‌طور کلی نمرات بالاتری می‌دهند، بر کسانی که در امتیازدهی محافظه‌کارتر هستند، برتری نداشته باشند.

الگوریتم:

1. محاسبه شباهت بین کاربر هدف و سایر کاربران. معیارهای شباهت رایج عبارتند از:
• شباهت کسینوسی: کسینوس زاویه بین دو بردار کاربر را اندازه‌گیری می‌کند.
• همبستگی پیرسون: همبستگی خطی بین امتیازات دو کاربر را اندازه‌گیری می‌کند.
• شاخص جاکارد: شباهت بین مجموعه‌های آیتم‌های رتبه‌بندی شده دو کاربر را اندازه‌گیری می‌کند.
2. انتخاب k کاربر مشابه (همسایگی).
3. پیش‌بینی امتیاز کاربر هدف برای یک آیتم با تجمیع امتیازات همسایگان.

مزایا: پیاده‌سازی آسان و می‌تواند آیتم‌های جدیدی را کشف کند که کاربر هدف ممکن است در نظر نگرفته باشد.

معایب: می‌تواند از مشکلات مقیاس‌پذیری با مجموعه‌داده‌های بزرگ رنج ببرد (محاسبه شباهت بین تمام جفت‌های کاربر از نظر محاسباتی گران می‌شود) و مشکل شروع سرد (مشکل در توصیه به کاربران جدید با سابقه کم یا بدون سابقه).

فیلترسازی مشارکتی مبتنی بر آیتم

CF مبتنی بر آیتم بر شباهت بین آیتم‌ها تمرکز دارد. این آیتم‌ها را شناسایی می‌کند که شبیه به مواردی هستند که کاربر هدف در گذشته دوست داشته است و آن آیتم‌های مشابه را توصیه می‌کند. این رویکرد به‌طور کلی از CF مبتنی بر کاربر کارآمدتر است، به‌ویژه با مجموعه‌داده‌های بزرگ، زیرا ماتریس شباهت آیتم-آیتم معمولاً پایدارتر از ماتریس شباهت کاربر-کاربر است.

مثال: کاربری در هند یک مارک خاص از مخلوط ادویه هندی را از یک خرده‌فروش آنلاین خریداری می‌کند. CF مبتنی بر آیتم، سایر مخلوط‌های ادویه با مواد تشکیل‌دهنده یا کاربردهای آشپزی مشابه (به‌عنوان مثال، سایر مخلوط‌های ادویه هندی یا مخلوط‌های مورد استفاده در غذاهای مشابه در غذاهای آسیای جنوب شرقی) را شناسایی می‌کند. سپس این مخلوط‌های ادویه مشابه به کاربر توصیه می‌شوند.

الگوریتم:

1. محاسبه شباهت بین هر آیتم و تمام آیتم‌های دیگر بر اساس رتبه‌بندی کاربر. معیارهای شباهت رایج، همانند CF مبتنی بر کاربر هستند (شباهت کسینوسی، همبستگی پیرسون، شاخص جاکارد).
2. برای یک کاربر معین، آیتم‌هایی را که با آنها تعامل داشته است (به‌عنوان مثال، خریداری شده، امتیاز بالایی داده شده است) شناسایی کنید.
3. پیش‌بینی امتیاز کاربر برای یک آیتم جدید با تجمیع امتیازات آیتم‌های مشابه.

مزایا: مقیاس‌پذیرتر از CF مبتنی بر کاربر، بهتر مشکل شروع سرد را مدیریت می‌کند (می‌تواند آیتم‌های محبوب را حتی به کاربران جدید توصیه کند) و در زمانی که کاربران زیادی وجود دارند و آیتم‌های نسبتاً کمتری وجود دارد، دقیق‌تر است.

معایب: ممکن است در کشف آیتم‌های جدید یا خاص که شبیه تعاملات گذشته کاربر نیستند، مؤثر نباشد.

فیلترسازی مشارکتی مبتنی بر مدل

CF مبتنی بر مدل از الگوریتم‌های یادگیری ماشینی برای یادگیری مدلی از ترجیحات کاربر از داده‌های تعامل استفاده می‌کند. سپس از این مدل می‌توان برای پیش‌بینی امتیازات کاربر برای آیتم‌های جدید استفاده کرد. رویکردهای مبتنی بر مدل انعطاف‌پذیری را ارائه می‌دهند و می‌توانند مجموعه‌داده‌های پراکنده را مؤثرتر از روش‌های مبتنی بر حافظه (CF مبتنی بر کاربر و مبتنی بر آیتم) مدیریت کنند.

فاکتورگیری ماتریسی: یک تکنیک محبوب مبتنی بر مدل، فاکتورگیری ماتریسی است. این، ماتریس تعامل کاربر-آیتم را به دو ماتریس با ابعاد پایین‌تر تجزیه می‌کند: یک ماتریس کاربر و یک ماتریس آیتم. حاصل‌ضرب نقطه‌ای این ماتریس‌ها، ماتریس تعامل اصلی را تقریب می‌کند، که به ما امکان پیش‌بینی امتیازات گمشده را می‌دهد.

مثال: تصور کنید یک سرویس پخش جریانی فیلم جهانی وجود دارد. فاکتورگیری ماتریسی را می‌توان برای یادگیری ویژگی‌های پنهانی استفاده کرد که ترجیحات کاربر (به‌عنوان مثال، ترجیح برای فیلم‌های اکشن، ترجیح برای فیلم‌های خارجی) و ویژگی‌های آیتم (به‌عنوان مثال، ژانر، کارگردان، بازیگران) را نشان می‌دهد. با تجزیه و تحلیل ویژگی‌های یادگرفته شده، سیستم می‌تواند فیلم‌هایی را توصیه کند که با ترجیحات کاربر همخوانی دارند.

مزایا: می‌تواند مجموعه‌داده‌های پراکنده را مدیریت کند، می‌تواند روابط پیچیده بین کاربران و آیتم‌ها را ثبت کند و می‌تواند برای پیش‌بینی امتیازات برای آیتم‌های جدید استفاده شود.

معایب: پیاده‌سازی آن نسبت به روش‌های مبتنی بر حافظه پیچیده‌تر است و به منابع محاسباتی بیشتری برای آموزش مدل نیاز دارد.

مدیریت بازخورد ضمنی در مقابل صریح

سیستم‌های فیلترسازی مشارکتی می‌توانند از دو نوع بازخورد استفاده کنند:

• بازخورد صریح: مستقیماً توسط کاربران ارائه می‌شود، مانند رتبه‌بندی (به‌عنوان مثال، 1-5 ستاره)، بررسی‌ها، یا لایک‌ها/دیسلایک‌ها.
• بازخورد ضمنی: از رفتار کاربر استنباط می‌شود، مانند سابقه خرید، سابقه مرور، زمان سپری شده در یک صفحه یا کلیک‌ها.

در حالی که بازخورد صریح ارزشمند است، می‌تواند پراکنده و مغرضانه باشد (کاربرانی که بسیار راضی یا بسیار ناراضی هستند، احتمال بیشتری دارد که امتیاز ارائه دهند). از طرف دیگر، بازخورد ضمنی، در دسترس‌تر است اما می‌تواند پر سر و صدا و مبهم باشد (یک کاربر ممکن است روی یک آیتم کلیک کند بدون اینکه لزوماً آن را دوست داشته باشد).

تکنیک‌هایی برای مدیریت بازخورد ضمنی عبارتند از:

• برخورد با بازخورد ضمنی به‌عنوان داده‌های باینری (به‌عنوان مثال، 1 برای تعامل، 0 برای عدم تعامل).
• استفاده از تکنیک‌هایی مانند رتبه‌بندی شخصی‌سازی شده بیزی (BPR) یا فاکتورگیری ماتریسی وزنی برای در نظر گرفتن عدم قطعیت در بازخورد ضمنی.

پرداختن به مشکل شروع سرد

مشکل شروع سرد به چالش ارائه توصیه‌ها به کاربران جدید یا برای آیتم‌های جدید با داده‌های تعاملی کم یا بدون داده اشاره دارد. این یک مسئله مهم برای سیستم‌های CF است، زیرا آنها برای پیش‌بینی ترجیحات به تعاملات گذشته متکی هستند.

از چندین استراتژی می‌توان برای کاهش مشکل شروع سرد استفاده کرد:

• فیلترسازی مبتنی بر محتوا: از ویژگی‌های آیتم (به‌عنوان مثال، ژانر، توضیحات، برچسب‌ها) برای ارائه توصیه‌های اولیه استفاده کنید. به عنوان مثال، اگر یک کاربر جدید به علم-تخیلی علاقه‌مند است، کتاب‌ها یا فیلم‌های علمی-تخیلی محبوب را توصیه کنید.
• توصیه‌های مبتنی بر محبوبیت: محبوب‌ترین آیتم‌ها را به کاربران جدید توصیه کنید. این یک نقطه شروع را فراهم می‌کند و به سیستم اجازه می‌دهد تا داده‌های تعامل را جمع‌آوری کند.
• رویکردهای ترکیبی: CF را با سایر تکنیک‌های توصیه‌گری، مانند فیلترسازی مبتنی بر محتوا یا سیستم‌های مبتنی بر دانش ترکیب کنید.
• درخواست ترجیحات اولیه: از کاربران جدید بخواهید که برخی از ترجیحات اولیه را ارائه دهند (به عنوان مثال، با انتخاب ژانرهایی که دوست دارند یا رتبه‌بندی چند آیتم).

معیارهای ارزیابی برای فیلترسازی مشارکتی

ارزیابی عملکرد یک سیستم فیلترسازی مشارکتی برای اطمینان از اثربخشی آن بسیار مهم است. معیارهای ارزیابی رایج عبارتند از:

• دقت و بازیابی: دقت توصیه‌ها را اندازه‌گیری می‌کند. دقت، نسبت آیتم‌های توصیه شده را که مرتبط هستند اندازه‌گیری می‌کند، در حالی که بازیابی، نسبت آیتم‌های مرتبطی را که توصیه شده‌اند اندازه‌گیری می‌کند.
• میانگین دقت متوسط (MAP): میانگین امتیاز دقت را در همه کاربران محاسبه می‌کند.
• بهره انباشت تنزل‌یافته نرمال شده (NDCG): کیفیت رتبه‌بندی توصیه‌ها را اندازه‌گیری می‌کند و موقعیت آیتم‌های مرتبط را در لیست در نظر می‌گیرد.
• خطای ریشه میانگین مربعات (RMSE): تفاوت بین امتیازات پیش‌بینی شده و واقعی را اندازه‌گیری می‌کند (برای وظایف پیش‌بینی رتبه‌بندی استفاده می‌شود).
• خطای مطلق میانگین (MAE): اندازه دیگری از تفاوت بین امتیازات پیش‌بینی شده و واقعی.

انتخاب معیارهای ارزیابی مناسب برای کاربرد خاص و نوع داده‌های مورد استفاده مهم است.

کاربردهای فیلترسازی مشارکتی

فیلترسازی مشارکتی به‌طور گسترده در صنایع مختلف برای شخصی‌سازی تجربیات کاربر و بهبود نتایج کسب‌وکار استفاده می‌شود:

• تجارت الکترونیک: توصیه محصولات به مشتریان بر اساس خریدهای گذشته، سابقه مرور و ترجیحات مشتریان مشابه. به عنوان مثال، آمازون از CF به‌طور گسترده برای پیشنهاد محصولاتی که ممکن است دوست داشته باشید استفاده می‌کند.
• سرگرمی: توصیه فیلم‌ها، برنامه‌های تلویزیونی و موسیقی به کاربران بر اساس سابقه تماشا یا گوش دادن آنها. نتفلیکس، اسپاتیفای و یوتیوب همگی به‌شدت به CF متکی هستند.
• رسانه‌های اجتماعی: توصیه دوستان، گروه‌ها و محتوا به کاربران بر اساس ارتباطات و علایق آنها. فیس‌بوک و لینکدین از CF برای این اهداف استفاده می‌کنند.
• جمع‌کننده‌های اخبار: توصیه مقالات و داستان‌های خبری به کاربران بر اساس سابقه و علایق مطالعه آنها. گوگل نیوز از CF برای شخصی‌سازی فیدهای خبری استفاده می‌کند.
• آموزش: توصیه دوره‌ها، مواد آموزشی و مربیان به دانش‌آموزان بر اساس اهداف و پیشرفت یادگیری آنها.

سیستم‌های توصیه‌گر ترکیبی

در بسیاری از برنامه‌های دنیای واقعی، یک تکنیک توصیه‌گری واحد برای دستیابی به عملکرد بهینه کافی نیست. سیستم‌های توصیه‌گر ترکیبی، چندین تکنیک را ترکیب می‌کنند تا از نقاط قوت آنها استفاده کرده و بر نقاط ضعف آنها غلبه کنند. به عنوان مثال، یک سیستم ترکیبی ممکن است فیلترسازی مشارکتی را با فیلترسازی مبتنی بر محتوا ترکیب کند تا مشکل شروع سرد را برطرف کند و دقت توصیه‌ها را بهبود بخشد.

چالش‌ها و ملاحظات

در حالی که فیلترسازی مشارکتی یک تکنیک قدرتمند است، آگاهی از محدودیت‌ها و چالش‌های احتمالی آن مهم است:

• تراکم داده‌ها: مجموعه‌داده‌های دنیای واقعی اغلب دارای داده‌های تعامل کاربر-آیتم پراکنده هستند، که یافتن کاربران یا آیتم‌های مشابه را دشوار می‌کند.
• مقیاس‌پذیری: محاسبه شباهت‌ها بین تمام جفت‌های کاربر یا جفت‌های آیتم می‌تواند برای مجموعه‌داده‌های بزرگ از نظر محاسباتی گران باشد.
• مشکل شروع سرد: همان‌طور که قبلاً بحث شد، ارائه توصیه‌ها به کاربران جدید یا برای آیتم‌های جدید با داده‌های تعاملی کم یا بدون داده یک چالش است.
• حباب‌های فیلتر: سیستم‌های CF می‌توانند حباب‌های فیلتر ایجاد کنند و با تقویت ترجیحات موجود و محدود کردن قرار گرفتن در معرض دیدگاه‌های متنوع، تأثیر منفی بگذارند.
• نگرانی‌های حریم خصوصی: جمع‌آوری و تجزیه و تحلیل داده‌های کاربر، نگرانی‌های حریم خصوصی را ایجاد می‌کند و مهم است که اطمینان حاصل شود که داده‌ها به‌طور مسئولانه و اخلاقی مدیریت می‌شوند.
• سوگیری محبوبیت: آیتم‌های محبوب تمایل به توصیه‌شدن بیشتر دارند که منجر به اثر غنی-غنی‌تر می‌شود.

روندهای آینده در فیلترسازی مشارکتی

زمینه فیلترسازی مشارکتی به‌طور مداوم در حال تکامل است، با تکنیک‌ها و رویکردهای جدیدی که برای رسیدگی به چالش‌ها و محدودیت‌های روش‌های موجود توسعه یافته‌اند. برخی از روندهای کلیدی عبارتند از:

• یادگیری عمیق: استفاده از شبکه‌های عصبی عمیق برای یادگیری بازنمایی‌های پیچیده‌تر و ظریف‌تری از ترجیحات کاربر و ویژگی‌های آیتم.
• توصیه آگاه از زمینه: گنجاندن اطلاعات زمینه‌ای، مانند زمان، مکان و دستگاه، در فرآیند توصیه‌گری.
• توصیه مبتنی بر نمودار: نمایش تعاملات کاربر-آیتم به‌صورت نمودار و استفاده از الگوریتم‌های نموداری برای یافتن توصیه‌های مرتبط.
• هوش مصنوعی قابل توضیح (XAI): توسعه سیستم‌های توصیه‌گری که می‌توانند توضیح دهند چرا یک آیتم خاص توصیه شده است.
• انصاف و کاهش سوگیری: توسعه تکنیک‌هایی برای کاهش سوگیری در سیستم‌های توصیه‌گری و اطمینان از انصاف برای همه کاربران.

نتیجه‌گیری

فیلترسازی مشارکتی یک تکنیک قدرتمند برای شخصی‌سازی تجربیات کاربر و بهبود تعامل در طیف گسترده‌ای از برنامه‌ها است. با درک اصول، تکنیک‌ها و چالش‌های CF، کسب‌وکارها و سازمان‌ها می‌توانند از این فناوری برای ارائه تجربیات مرتبط‌تر و رضایت‌بخش‌تر برای کاربران خود استفاده کنند. با ادامه رشد داده‌ها و افزایش انتظارات کاربران برای تجربیات شخصی‌سازی شده، فیلترسازی مشارکتی به عنوان یک ابزار حیاتی برای پیمایش در عصر اطلاعات باقی خواهد ماند.