Loading AI tools
מוויקיפדיה, האנציקלופדיה החופשית
סינון שיתופי (באנגלית: Collaborative Filtering) מתאר תהליך של סינון מידע באמצעות שיתוף פעולה בין משתמשי מחשב שונים או בין סוכנים אוטומטים שונים. מטרתו של הסינון השיתופי היא להקל על משתמשים למצוא מוצרים או ידע על ידי מציאת הדמיון ביניהם לבין היסטוריית הגלישה והצריכה של משתמשים אחרים בעלי אפיון דומה. הנחת היסוד של גישת הסינון השיתופי היא שאם לפלוני יש העדפות הדומות לאלה של אלמוני בנושא מסוים או מוצר, אזי קיים סיכוי שהעדפותיהם יהיו דומות גם בנושאים אחרים ובמוצרים אחרים.
הצורך בתהליך מסוג זה עלה עם הגידול בכמות הנתונים הנמצאים ברשת הנקראים נתוני עתק או big data. ברשת קיים מאגר נתונים מבוזר שאינו מאורגן לפי שיטה כלשהי, ומגיע ממקורות רבים, בכמויות גדולות, בפורמטים מגוונים ובאיכויות שונות. בנוסף, ניתן להצביע על עלייה משמעותית בשימוש באתרי מסחר מקוונים ובאתרי מידע. תהליך סינון שיתופי מאפשר באמצעות אלגוריתם לתת את המענה המתאים ביותר עבור המשתמש בבואו למצוא מידע רלוונטי עבורו.[1] השימוש באלגוריתם זה נפוץ במיוחד במערכות המלצה באתרים באינטרנט.[2][3]
השימוש הנרחב באינטרנט בשילוב היקף המידע שעובר ונאגר באינטרנט ובבסיסי נתוני ענק מקשה על המשתמש לאתר את המידע האפקטיבי ביותר עבורו. המצב מחייב טכניקה שתסייע במציאת המידע. סינון שיתופי היא אחת מהטכניקות שפותחה לסייע במציאת מידע רלוונטי עבור אותו משתמש. את טכניקת הסינון השיתופי ניתן למצוא בשימוש באתרים כמו גוגל, אמזון, eBay, Slashdot ו-LinkedIn . אתרים אלו מכילים כמויות גדולות מאוד של נתונים ומשתמשים והמשותף להם הוא הרצון לתת את ההמלצה הטובה ביותר עבור המשתמש.[4]
הנחת היסוד בבסיס טכניקת הסינון השיתופי היא שאנשים לרוב מחפשים מידע מאחרים שדומים להם הן מבחינת הצריכה והן מבחינת האפיון האישיותי. על מנת שהטכניקה תעבוד יש צורך לבנות אלגוריתם שמקבל את הנתונים הן על המשתמשים והן על מאפייני הצריכה שלהם כדוגמת מוצרים או השירותים שרכשו (או הביעו עניין לרכוש).
ישנם מספר עקרונות שצריכים להתקיים בו זמנית כדי לתמוך במודל האלגוריתמי:
האתגר העומד בפני מודל הסינון שיתופי הוא ביכולת לתת את המשקל הנכון להעדפות של כל אחד מן המשתמשים.
מטרת הסינון השיתופי היא לדעת מה להמליץ לפלוני על מוצר או ידע. האלגוריתם להמלצה משתנה בהתאם לסוג האלגוריתם שבו המערכת משתמשת, אך המטרה נשארת זהה.
ניתן להציג את צורת ההמלצה של המערכת בדוגמה הבאה:
קיימת מערכת המלצה של סרטים באינטרנט על פי סוגות. מערכת זו ממליצה למשתמש מסוים על סרטים חדשים על ידי ניתוח העדפותיו בסרטים כפי שבאו לידי ביטוי בפעילותיו הקודמות באתר. מערכת ההמלצה מאתרת משתמשים דומים (משתמשים בעלי העדפות דומות), בודקת אלו סרטים נוספים העדיפו המשתמשים הדומים ועל בסיסה ממליצה על רשימה של סרטים.
שאלה: האם כדאי להמליץ לקרן על סרטי מלודרמה? האם כדאי להמליץ לאורית על סרטי אסונות?
הסינון השיתופי יענה על השאלה על פי המידע:[5]
אסונות | מתח | קומדיה | רומנטיים | מלודרמה | אימה | |
זיו | אוהב/ת | אוהב/ת | אוהב/ת | אינו/ה אוהב/ת | אינו/ה אוהב/ת | |
אורית | ?????? | אינו/ה אוהב/ת | אוהב/ת | אוהב/ת | אוהב/ת | אינו/ה אוהב/ת |
דור | אוהב/ת | אוהב/ת | אינו/ה אוהב/ת | אוהב/ת | אוהב/ת | |
קרן | אינו/ה אוהב/ת | אוהב/ת | אוהב/ת | אוהב/ת | ????? | אוהב/ת |
האלגוריתם מחשב העדפות וטעמים דומים ויזהה שמי שאוהב גם קומדיה, גם מתח וגם אימה אוהב סרטי מלודרמה. האלגוריתם לוקח בחשבון גם את האפיון המגדרי, ומשום שאורית אוהבת סרטי מלודרמה וקרן ואורית הן נשים הוא ימליץ לקרן על סרטי מלודרמה.
לגבי ההמלצה לאורית – כאן זה תלוי. מצד אחד אורית וקרן שתיהן נשים אך למערכת יש שתי סוגות ששתיהן מסכימות עליהן (קומדיה וסרטים רומנטיים) ושתי סוגות שעליהן הן לא מסכימות (מתח ואימה).
מבחינת טעמים – למערכת יש נתונים רק על העדפות סרטי אסונות שהוזנו על ידי זיו וקרן. המכנה המשותף של זיו ואורית הוא בסרטי קומדיה ששניהם אוהבים לצפות. לאור זאת, האם המערכת תמליץ לאורית על סרטי אסונות?
התשובה לאורית תשתנה לפי האלגוריתם שהמערכת בנויה עליו.
קיימים שלושה סוגים של סינון שיתופי.[6]
שיטה זו מוכרת גם בשם אלגוריתם השכן הקרוב. בסיס השיטה בא לחזות אילו מוצרים עתידיים משתמש מסוים ירצה לקנות על פי אפיון של משתמשים הדומים לו.
האלגוריתם עובד על סמך שני מודלים סטטיסטיים:[7]
שיטה זו פופולרית ומיושמת רבות באתרי אינטרנט.
בשיטה זו אוספים בתחילה את הדירוג של כל משתמש. הדירוג כולל את היסטורית הרכישות שלו ואתרים בהם ביקר. את המידע הנ"ל המערכת מגדירה כ"הצבעה" ועל ידי למידת מכונה מחשבת את ההמלצה שכדאי להציע לאותו משתמש.
האלגוריתם עובד על סמך שלושה מודלים סטטיסטיים:
הסינון השיתופי ההיברידי[8] משלב בין אספקטים מהאלגוריתם מבוסס זיכרון ובין אספקטים מהאלגוריתם מבוסס מודל כדי לאחד את היתרונות ולצמצם את החסרונות שיש בכל אלגוריתם.
השילוב שמביא לאופטימיזציה מקסימלית בסינון השיתופי הוא:
המודל ההיברידי לוקח את כל המודלים הללו בחשבון עם תוספת של משתנה נוסף הזמן. ההנחה היא שעם הזמן משתמשים משנים את העדפותיהם והמודל ההיברידי לוקח בחשבון את יחידת הזמן בה נרכש המוצר או העניין.
להלן טבלה מסכמת את היתרונות והחסרונות של כל אחד מהסוגים:
סוג | יתרונות | חסרונות |
מבוסס זיכרון | הטמעה מהירה
נתונים חדשים יכולים להתווסף בקלת לוקח בחשבון את תוכן הפריטים המומלצים קל לדירוג עם פריטים בעלי דירוג משותף |
תלוי בדירוג משתמשים
הביצועים יורדים ככל ששונות הנתונים גדולה לא יודע להמליץ למשתמשים חדשים על מוצרים קיימת מוגבלות ביכולת לדרג את ההמלצות בהינתן מסד נתונים גדול |
מבוסס מודל | מצליח לטפל ביכולת לדרג מסד נתונים גדול
משפר את תחזית הביצועים נותן היגיון אינטואיטיבי להמלצות |
יקר מאוד לבנות מודל כזה
היכולת לחזות בצורה טובה והיכולת לדרג מסד נתונים באות זו על חשבון זו מאבד מידע חיוני בגלל שימוש בטכניקה המקטינה שונות |
היברידי | מצליח לענות על החסרונות של שני המודלים האחרים
משפר את היכולת לחזות נכון מתגבר על בעיות של ייחודיות משתמשים ודלילות תוכן |
מורכב מאוד ויקר מאוד בהטמעה ובצריכת משאבים
זקוק למידע חיצוני שאינו קיים תמיד |
המודל מיושם בעיקר באתרי תוכן, אתרי חיפוש ואתרים מסחריים. ההנחה היא כי גולשים "מצביעים ברגליים" – אם אתר מסוים לא מביא להם את המידע שנכון להם הם יעזבו את אותו אתר. מחד, על ידי שימוש בשיטה הזו אנו כגולשים מקבלים את המידע הרלוונטי ביותר עבורנו ועבור הטעמים שלנו, שמאפשר לנו לקבל החלטות בצורה מיטבית ולכרות את הנתונים המדויקים עבורנו בעולם המידע האינסופי שקיים ברשת. מאידך, קיימת אינפורמציה שלא תגיע אלינו כמשתמשים אם אלגוריתם הסינון השיתופי, ולא משנה איזה מהאלגוריתם, לא ימליץ לנו עליה.
האתגרים המוצעים מביאים לידי ביטוי הן את הקושי באלגוריתמים והן את האתגר ביישום השיטה ברמה המהותית:
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.