Your SlideShare is downloading. ×
0
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Odporúčacie systémy a služba sme.sk - čo čítať
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Odporúčacie systémy a služba sme.sk - čo čítať

1,056

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,056
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Odpor   -­     J Á N   S U C H A L   @ j s u c h a l ,   F I I T   S T U  
  • 2.  
  • 3. Odpor  
  • 4. Odpor (2)  
  • 5.  
  • 6. Odpor  
  • 7. (2)  
  • 8. Personalizované    
  • 9.   10  odpor             ?   ?  Spätná  analýza  rozhodujúcich  faktorov   l /obsah/slu  
  • 10.    Obsahové   p   r   rovnaká  téma,  kategória,  cena,  farba,  materiál   ...    Kolaboratívne   podobné  záujmy  (hunch)   rovnakí  priatelia  (facebook,  foaf),  followeri  (twitter)     ...  
  • 11.  Vstupné  dáta   logy  =  1+M  klikov  denne   metadáta  k     logy  od/  Kolaboratívny  prístup   k-­najbli   /pou   implicitná  negatívna  spätná  väzba  Vyhodnotenie   syntetické  testovanie   CTR  +  RR  (rejection  rate)      
  • 12. Implicitná  negatívna  spätná  väzba  Krátke  n   n len  zopár  sekúnd   identifikácia  z  logov     problém:  taby   egatívne   y       top-­N  v  danom     problém:  hranica  medzi  videl  a  nechcel  vs.  prehliadol     Filip  Radlinski  ,  Thorsten  Joachims.  Query  chains:  learning  to  rank  from  implicit  feedback.  
  • 13. Testovanie  Algoritmy   k-­najbli (základ)   odfiltrovanie  negat   k-­najbli   k-­najbli  Syntetické  testovanie   klasický  ML  prístup  (tr )   ladenie  parametrov  A/B  testovanie   viac  algoritmov  s  *  ~10  rôznych  nastavení   meranie  CTR  a  RR    
  • 14.     r   l  Hybridný  prístup    obsahov   metadáta  k   (téma,  typ,  autor)   externé  metadáta  (FB  likes,  témy,  geo)  Dlhodobé  záujmy  (model  pou )   preferencie  GUI  a  UX  
  • 15. Trendy  v  odpor  Skupinov   filmy,  podujatia,  podniky   zo   social     FB,  twitter,  media     o  si  o  mne  systém  myslí?  Ako  to  zmením?    

×