Panoramica dei suggerimenti

I sistemi di suggerimenti sono una delle applicazioni più efficaci e diffuse del machine learning per le aziende. Puoi utilizzare un sistema di consigli per aiutare gli utenti a trovare contenuti interessanti in un'ampia gamma di contenuti. Ad esempio, il Google Play Store offre milioni di app, mentre YouTube offre miliardi di video e ogni giorno vengono aggiunti nuovi video e app. Gli utenti possono utilizzare la ricerca per trovare nuovi contenuti, ma questo è limitato dai termini di ricerca che utilizzano. Un sistema di consigli può suggerire contenuti che gli utenti potrebbero non aver pensato di cercare autonomamente. Per ulteriori informazioni, consulta la panoramica sui sistemi di suggerimenti.

Gli algoritmi di machine learning nei sistemi di suggerimenti sono in genere classificati nelle due categorie seguenti: basati sui contenuti e filtri collaborativi.

  • Filtro basato sui contenuti: utilizza la somiglianza tra gli elementi per fornire consigli. Ad esempio, se un utente guarda due video simpatici di gatti, il sistema di consigli può consigliare a questo utente altri video di animali carini.
  • Filtro collaborativo: utilizza le somiglianze tra gli utenti (in base alle loro query) per fornire suggerimenti. Ad esempio, se l'utente A cerca cose simili all'utente B e all'utente B piace il video 1, il sistema di suggerimenti può consigliare il video 1 all'utente A, anche se l'utente A non ha guardato video simili al video 1.

I modelli di fattorizzazione matriciale sono ampiamente utilizzati come metodo di filtro collaborativo per i sistemi di generazione di suggerimenti. Puoi utilizzare un modello di fattorizzazione matriciale con la funzione ML.RECOMMEND per fornire suggerimenti. Per ulteriori informazioni, consulta la sezione Fattorizzazione matriciale.

Per estendere un sistema di suggerimenti collaborativo basato su filtri oltre ciò che è possibile fare con un modello di fattorizzazione matriciale, puoi utilizzare i modelli di rete neurale profonda (DNN) e Wide-and-Deep. Questi modelli possono incorporare funzionalità di query ed elementi per migliorare la pertinenza dei suggerimenti. Per maggiori informazioni, consulta le seguenti risorse: