Come fa Netflix a raccomandare i titoli usando solo un feedback implicito?
La risposta dipende molto da cosa si intende per "implicito". Sto assumendo un utente che clicca o riproduce un film come feedback esplicito mentre la navigazione o l'assenza di interazione come feedback implicito.
Ci sono stati modelli che Netflix ha costruito che "scontano" o "penalizzano" i film se un utente li sfoglia senza alcuna forma di interazione. Questi sono i cosiddetti modelli di "impression discounting" e ce ne sono parecchi in letteratura. L'obiettivo qui è quello di non impressionare gli stessi film allo stesso utente più e più volte, quando si diventa certi che è altamente improbabile che l'utente ci clicchi sopra.
Il feedback sia implicito che esplicito è stato combinato in una vasta gamma di modelli. Nei termini di un modello di fattorizzazione della matrice (collaborative filtering), dove ogni riga è un utente e ogni colonna è un film, si possono immaginare due tipi di interazioni dell'utente: o un utente ha interagito esplicitamente con quel film (come ad esempio l'ha giocato, o ha cliccato su di esso per vedere più dettagli ecc) o non ha interagito affatto. Possiamo prendere le interazioni come feedback positivo (a '1' nella matrice) e il campione di quelle che non hanno interagito come a '0'. Naturalmente potete cambiare il bias del modello cambiando la strategia di campionamento. Potete fare la stessa cosa per un modello di regressione logistica assegnando opportunamente gli esempi positivi e negativi.
Articoli simili
- Robotica: Qual è la differenza tra feedback tattile e feedback aptico?
- Quanto spesso Netflix aggiunge nuovi titoli alla sua collezione in streaming? I nuovi titoli sono resi disponibili in un unico lotto mensile?
- Quali sono le dieci migliori applicazioni software per il monitoraggio del feedback dei clienti per il web e le applicazioni mobili?
- Qual è il feedback complessivo dei residenti di Gaur City 1 & 2, Noida Extension (Greater Noida West) sul vivere lì?