Personalizácia a radenie obsahu

Recommender system

Odporúčací systém

Recommender system vyberá a zoraďuje položky, ktoré majú byť užitočné pre konkrétneho používateľa alebo situáciu. Využíva interakcie, vlastnosti obsahu, profil, kontext a niekedy aj pravidlá. Produkčná architektúra často obsahuje generovanie kandidátov, scoring a reranking. Model môže optimalizovať kliknutia, nákup, dlhodobú spokojnosť alebo kombinovaný cieľ. Správanie systému ovplyvňuje budúce tréningové dáta, preto treba riadiť cold start, expozičné skreslenie, popularitu, diverzitu, bezpečnosť a experimentovanie.

Posledná odborná revízia
1. augusta 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-R-07

Odborná definícia

Odborná definícia

Recommender system vyberá a zoraďuje položky, ktoré majú byť užitočné pre konkrétneho používateľa alebo situáciu. Využíva interakcie, vlastnosti obsahu, profil, kontext a niekedy aj pravidlá. Produkčná architektúra často obsahuje generovanie kandidátov, scoring a reranking. Model môže optimalizovať kliknutia, nákup, dlhodobú spokojnosť alebo kombinovaný cieľ. Správanie systému ovplyvňuje budúce tréningové dáta, preto treba riadiť cold start, expozičné skreslenie, popularitu, diverzitu, bezpečnosť a experimentovanie.

Zrozumiteľné vysvetlenie

Zrozumiteľné vysvetlenie

Odporúčací systém sa nesnaží nájsť jednu univerzálne najlepšiu položku. Pre každého človeka skladá menší výber z veľkého katalógu. Najprv rýchlo vyberie kandidátov, potom odhadne ich vhodnosť a nakoniec môže upraviť poradie kvôli rozmanitosti, čerstvosti alebo pravidlám platformy. Keď však ukazuje iba populárne položky, získava ďalšie kliknutia práve na ne a posilňuje vlastné rozhodnutie. Preto potrebuje kontrolované objavovanie nových možností a metriky dlhodobej hodnoty.

Časté otázky

Časté otázky

Čo je cold start?

Nový používateľ nemá históriu a nová položka nemá interakcie. Pomáhajú obsahové vlastnosti, onboardingové voľby, kontext, popularita v segmente a opatrné exploration.

Aký je rozdiel medzi collaborative a content-based prístupom?

Collaborative filtering využíva vzorce správania používateľov a položiek. Content-based model porovnáva vlastnosti položky s preferenciami alebo históriou konkrétneho používateľa.

Ako sa odporúčanie hodnotí offline?

Používajú sa historické holdout dáta a rankingové metriky, napríklad Recall@k alebo nDCG. Offline výsledok však nemusí predpovedať spokojnosť ani správanie v produkcii.

Prečo sú potrebné online experimenty?

Odporúčanie mení to, čo ľudia uvidia, a tým aj ich reakcie. A/B test overí kauzálny dopad na kliknutia, konverzie, retenciu alebo negatívne signály.

Ako sa riadi diverzita odporúčaní?

Reranking môže penalizovať príliš podobné položky, obmedziť dominanciu jednej kategórie alebo pridať novinku. Diverzita sa má vyvažovať s relevanciou a používateľským zámerom.

Súvisiace pojmy

Súvisiace pojmy

Zdroje a redakčná stopa

Zdroje a redakčná stopa

  • Google for Developers, Recommendation Systems course

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.