Система подбора

Это очень интересный топик которым я рано или поздно займусь, но чтобы сделать действительно хорошую систему рекомендаций тайтлов нужно очень много данных.

А теперь немного занудной теории (слабонерным не читать):

Системы рекомендаций работают достаточно просто. Всё что они делают, так это составляют вектора с тремя и более значениями (x, y, z) что характеризуют определённый жанр или любую другую характеристику в абстрактном трехмерном пространстве. Далее все вектора суммируются для получения единого вектора на одно произведение.

Уже имея данный набор можно сделать более точный раздел с похожими произведениями, ведь чем ближе тайтл в системе координат (x, y, z) к другому, тем более вероятно он будет похож. Но мы же тут хотим не похожесть одно тайтла сравнивать, а полноценную систему рекомендаций строить? Тогда нам нужно будет уже опираться на вкусы других пользователей также высчитывая сумму векторов уже всех их тайтлов из библиотеки. Таким образом мы сможем найти максимально похожих пользователей на конечного пользователя, и выбрать все их тайтлы из их библиотек исключая уже находящиеся в его библиотеке тайтлы и… ПРОФИТ!

По сути система рекомендаций это достаточно простая штука если смотреть на неё с точки зрения теории, да и по ресурсам просчитать рекомендации для каждого пользователя не так уж и затратно. ОДНАКО! Чтобы система работала и работала хорошо необходимо правильно рассчитать первоначальные вектора для каждого жанра и других отличительных особенностей. Именно для этого нужны ахренить какие большие объёмы данных. Причём данных правильных, мы же хотим чтобы нам рекомендовало не всё под ряд? И тут встаёт большая проблема: одних жанров для характиристики тайтла не хватает, а теги что если во всех базах данных по своей сути мало отображают действительность, от чего панацеей является только мнение пользователей.

Но как можно структуризировать мнение пользователей? Правильно, через систему голосований и предложений жарнов/тегов, прямо как в steam. Однако чтобы она работала нужна внушительная пользовательская база, которой у нас, к сожалению, пока не хватает.

По сути все рекомендательные системы работают именно так, различия только в том, как структурируются данные и как выставляются веса. Можете теперь заявить всем вокруг что знайте как работает алгоритм ютуба. И чтобы сделать всё на уровне необходимо создать систему с пользовательским голосованием за характеристики тайтлов, нарастить пользовательскую и собирать огромное-кол во данных для формирование векторных координат.