سیستم های توصیه گر (Recommender System) : شروع ماجرا

بدون دیدگاه

شاید این اصطلاح تا الان به گوشتون نخورده باشه و اصلا چیزی درباره اون نمی دونید ولی باید به شما بگم که هر روز داریم از اون استفاده می کنید بدون این که بدونید، وقتی چیزی رو تو گوگل سرچ می کنیم یا وقتی تو قسمت اکسپلور اینستاگرام می ریم و گذشت زمان رو حس نمی کنیم و از عکس ها و ویدیو هایی که اون جا می بینیم لذت می بریم و خیلی مثال های دیگه که میشه زد با این کار ها ما داریم از این سیستم ها استفاده می کنیم و اساسی زندگی این سیستم ها اطلاعاتی هست که از ما جمع  آوری می کنن و ما  چه بخوایم چه نخوایم داریم اطلاعاتی از خودمون رو در اختیار این سیستم ها که البته پشتشون شرکت های بزرگی مثل گوگل، آمازون و… قرار دارن می زاریم تا اون ها بتونن ابزار هایی رو که ما استفاده می کنیم(منظورم از ابزار برنامه هایی که تو بستر ابزار های هوشمند استفاده می شه)  رو جذاب تر کنن و البته بیشتر این ابزار ها باحال رایگان هستن و چی از این بهتر که هم استفاده کنم و لذت ببرم و باحال تر از همه پولی هم پرداخت نکنیم ولی یه بزرگی حرف قشنگی می زد می گفت :” وقتی برای محصولی پولی پرداخت نمی کنید حتما اون چیزی که فروخته میشه تویی.”

 

شروع داستان

اما این داستان از وقتی شروع شد که اینترنت (این محبت انسانی ) همه گیر شد و به خاطر راحتی اون همه کم کم رو آوردن به اون و دیگه مطالب ، فیلم ها ، موزیک ها و هر چیزی که بشه توی اینترنت گذاشت رو با فشار دادن یه دکمه توش پخش کردند و ما به حجم وسعیی از اطلاعات رسیدیم و عملا پیدا کردن چیزی که آدم دوست داشته باشه از بین این همه اطلاعات خیلی زمان بر بود و از طرفی شرکت ها و سارمان های بزرگ اینترنت رو یه بستر عالی برای فروش محصولاتشون می دیدن محصولاتی که باید از طریق اینترنت راهش رو به سبد خرید ما باز می کرد و اینجا تازه شروع ماجرا بود و هر روز هم بر داده هایی که توی اینترنت می بود اضافه تر می شد. اواسط دهه ۱۹۹۰ تازه نگاه ها به این سمت بیشتر شد و اولین مقالات علمی توی این حوضه شکل گرفت وقتی سازمان ها دیدن که چه تاثیر بزرگی تو روند کارشون داره سریع به دنبال این حوضه رفتند و این حوضه رو به یکی از پر طرفدارترین حوضه تو هوش مصنوعی تبدیل کردند .

عادات برای ما یا بر علیه ما

” یکی از بهترین کتاب هایی که می تونم بگم خوندم کتاب قدرت عادت بود واقعا کتاب خوبی بود پر از مطالب علمی که توش نویسنده با استفاده از داستان های جذاب یکی یکی اون ها رو توضیح داده و هر بخش رو برای خودش خواندنی تر کرده .اگه می تونید به شخصه توصیه می کنم که اون رو بخونید.”

قدرت عادت

خوب جمله ی بالا چه ربطی به موضوع بحث ما داره … ؟
با گفتن جمله بالا می خواستم هم یه کتاب خوب معرفی کنم هم به این اشاره کنم که سیستم های توصیه گر چیزی جدا از زندگی ما نیست و به سادگی جمله بالا یا حتی ساده تر مثلا شما برمی گردی به دوستت می گی “دوستم فلان فیلم خیلی باحاله ببین. ”  و هرچه این توصیه ها ساده تر باشه مخاطب خودش رو بهتر پیدا می کنه . با این مثال ها چند نمونه از این توصیه ها رو دیدیم و متوجه شدیم خودمون  هم یه پا سیستم توصیه گریم (بی مزه هم خودتونید ) همین گفت و گو های روزمره ما و توصیه های ما یک منبع الهام برای محقق ها شد و جرقه ی سیستم های توصیه گر خورده شد .. .
با این مقدمه می خوام به یکی از داستان های کتاب قدرت عادت که تونستم توی یکی از کامنت های سایت متمم اون رو پیدا کنم عینا اشاره کنم و با هم یخونیمش :

«یکی از داستان های جالبی که توی کتاب نقل کرده مربوط به فروشگاه های تارگت هستش که روی اطلاعات خرید و عادت های خرید مشتری هاشون خیلی تمرکز دارن و با توجه به این عادات خرید حدسهایی رو در موردشون میزنن. و حدس میزنن که مشتری الان به چه محصولی نیاز داره و تبلیغ همون محصول رو برای مشتری میفرستن که روش تخفیف خورده.

توی یک برهه ای خیلی تمرکز کردن روی خانم های باردار. چون خانم های باردار به قول اون ها معادن طلا هستن. و با توجه به اینکه نمی شد همینطوری از مشتری ها پرسید که آیا باردار هستید و اغلب مشتری ها اصلا دوست ندارن که کسی متوجه این مطلب بشه خودشون یه ساز و کاری رو تدارک دیدن که طبق عادات خرید به این نتیجه برسن.

بعد از اینکه طبق این روش خانم های باردار رو تشخیص دادن و تبلیغ مختص خودشون رو هم بهشون ارائه دادن؛ یه روز یک آقایی با عصبانیت در حالیکه یکی از تبلیغ های شرکت تارگت که براشون آورده دستشه وارد میشه و میگه شما این تبلیغ رو برای دخترم که هنوز نوجوانه فرستادین، در حالیکه این مربوط به خانم های باردار هستش.خلاصه از اون مرد معذرت خواهی میکنن و میگن حتما اشتباهی رخ داده.

بعد از یکی دو هفته دوباره با اون مرد تماس میگیرن که ازش معذرت خواهی کنن ولی مرد میگه من باید ازتون معذرت بخوام مثل اینکه یک اتفاقاتی افتاده که من خبر نداشتم و دخترم حامله است.»

البته یه کم از داستان بالا تو کامنت حذف شد که به این صورت شروع میشه که یه صورت مسئله تعریف میشه که چه طور بفهمیم یک خانواده دارن صاحب فرزند می شن که به این نتیجه رسیدن که فقط خانواده نیستن که صاحب فرزند میشن (: .

ولی واقعا چه طوری می شه توی حل این مسئله به چنبن دقتی رسید که حتی پدر خانواده از اون بی خبر بود …!
اگه بخوایم یه کم دقیق تر نگاه کنیم باید به عادت خودمون سری بزنیم اینکه ما تو شرایط خاص یا معمولی چه تصمیم هایی می گیرم و اگه اون کتاب رو بخونید می فهمید که بیشتر از هر چیزی ما بنده ی عادت هامون هستیم و اکثر تصمیم هایی که می گیریم در چارچوب عادت های ماست و اکثر این عادت در همه ی آدم ها وجود داره و شباهت های خیلی زبادی هم به هم داره مثلا وقتی گرسنه می شویم حتما چیزی می خوریم ولی نحوه ی غذا خوردن ممکن است فرق کند مثلا یکی آب بخورد یا یکی میوه و یا دیگری هر چیزی که پیدا کنه، ولی چیزی که مشترک است اینه که ما همه چیزی می خوریم. از طرفی عادات یک طرف قضیه است برای حل صورت مسئله ما بیشتر از هر چیزی به اطلاعات نیاز داریم و هر چه اطلاعات ما بیشتر باشد پیشنهاد ما بهینه تر میشه و به حل مسئله نزدیک تر می شیم در اینجا و این مسئله، فروشگاه های تارگت  اطلاعات وسعی از تراکنش کاربران را در اختیار داشتند که هر کس چه چیزی را می خرد و این اطلاعات در دراز مدت و از بیش از هزاران فروشگاه تهیه شد از طرف با مطالعه ی عادات مردم فروشگاه می دانست که در هر ماه از بارداری هر خانواده بیشتر چه محصولاتی را می خرد پس با این اطلاعات فروشگاه به راحتی می تواند یک معدن طلا استخراج کنه.

پس تا اینجا کار فهمیدم که برای ایجاد یک سیستم توصیه گر اول از همه نیاز به اطلاعات داریم و هرچه قدر حجم این اطلاعات زیاد تر باشه نتایجی که به دست می یاد بهتر می تونه باشه (ابته این حرف قطعی نیست و جلو تر می گم چرا ) و دومین چیزی که مهمه عاداتی هست که برای یه موضوع خاص وجود داره البته ما دیگه به اون ها به صورت خاص عادت نمیگیم بلکه می گیم الگو (pattern)  و کار اصلی هم پیدا کردن این الگو ها و استفاده کردن از اون هاست.

حالا تصور کنید که چه حجم وسعی از اطلاعات رو ما تو شبکه های اجتماعی به اشتراک می زنیم شاید به کمی ترسناک کمه ماجرا رو وقتی بفهمیم که این حجم وسعی از اطلاعات ما رو در اختیار دارن و جالب تر از همه خود ما هم این رو با کمال علاقه و اشتیاق در اختیار اون ها قرار می دیم .
تا اینجا با کلیت سیستم های توصیه گر آشنا شدیم تو پارت بعدی کمی جزء شده و انواع آن را و مشکلاتی رو که داره با هم بررسی می کنیم و می بینیم که شرکت های بزرگ چه طوری از این حجم وسعی از اطلاعات استفاده می کنن .



برچسب‌ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *