فیلتر بر اساس آیتم ها

تا اینجای کار سیستم پیشنهادات ما برای کار نیاز به امتیاز های داده شده توسط تمام کاربران برای ایجاد یک مجموعه داده داشت.

این روش برای چند هزار کاربر یا آیتم خوب کار می کند، اما برای یک سایت بزرگ شبیه به آمازون که میلیون ها مشتری و محصول دارد، برای مقایسه یک کاربر با سایر کاربران و مقایسه هر امتیاز هر محصول با امتیاز محصولات دیگر زمان و پردازش زیادی مورد نیاز است و خیلی زمانبر است.

همچنین یک سایت که به فروش میلیون ها محصول می پردازند همپوشانی سلایق کمی بین افراد وجود دارد. برای همین تصمیم گیری برای اینکه چه افرادی شبیه به هم هستند سخت می شود.

تکنیکی که ما تا کنون استفاده کرده ایم به نام «فیلتر مشارکتی کاربر پایه» شناخته میشود.

یک روش دیگر به نام «فیلتر مشارکتی آیتم پایه» است. در مواردی با مجموعه داده های خیلی بزرگ فیلتر مشارکتی آیتم پایه نتایج بهتری می دهد. همچنین این روش به ما اجازه می دهد بسیاری از پردازش ها و محاسبات زودتر انجام شود. برای همین کاربری که نیاز پیشنهادات دارد می تواند نتایج را سریعتر دریافت کند.

فرایند فیلتر بر اساس آیتم بسیار وابسته به آن چیزی است که تا کنون بحث کرده ایم. تکنیک کلی این است که آیتم های شبیه به یک آیتم را از قبل محاسبه کنیم.

سپس، وقتی شما می خواهید پیشنهادات برای کاربر فراهم کنید، شما به این لیست اولویت دار نگاه می کنید و یک لیست از آیتم هایی شبیه به این ایتم را اماده می کند.

یک تفاوت عمده در اینجا این است که اگرچه مرحله اول نیاز به محاسبه و مقایسه تمامی داده ها دارد. مقایسه تمام آیتم ها هرچند یک بار که مقایسه بین کاربران انجام می شود تغییر نمی کند. این به معنی این است که شما برای هر کاربر نیاز به محاسبه هر آیتم برای یافتن آیتم های مشابه ندارید-- یعنی شما می توانید این کار را در ساعات کم ترافیک انجام دهید و یا اینکه آنرا به کامپیوتری مجزا از برنامه اصلی منتقل کنید.