листы. Чем активнее пользователь рейтингует музыку, тем точнее
рекомендации сервиса.
553
ПРИЛОЖЕНИЯ
11.8. Пользовательская оценка рекомендательных
систем95
Название сайта
Кол-во поль- Кол-во на-
Кол-во реко- Среднее кол- Среднее кол- Среднее кол-
зователей
именований мендаций в
во оценок од- во оценок в
во оценок
в базе
системе
ного наиме-
день
на одного
нования
пользователя
Movielens
93500
8641
11278712
1300
4000
(фильмы)
Music
5658
2010458
355
Recommendation
System (http://
music.cs.uiuc.
edu/)
Musicstrands
770
Last.Fm
117000
Filmaffinity
9705
(фильмы)
MusicMobs
MediaUnbound
95 Исследования фонда «Прагматика культуры», декабрь 2004 г.
554
ПРИЛОЖЕНИЕ 1: МАРКЕТИНГ МУЗЫКАЛЬНЫХ ЗАПИСЕЙ
Характеристики и опции сервиса
Корректность рекомендации
Очень простая система. Сначала пользователь оценивает самые
Стоило дать 4 звезды одному рос-
популярные фильмы (минимум 15 шт.), затем получает рекомен-
сийскому фильму («Москва слезам
дации. Если любимой ленты в картотеке нет, ее можно добавить.
не верит»), как тут же порекомен-
Также можно собирать фильмы в «лист пожеланий», чтобы не за-
довали посмотреть «Броненосец
быть о том, что хотели посмотреть
Потемкин». Если же оценивать
только американские ленты, то
рекомендации соответствуют вкусу
пользователя примерно на 70%
Система создана для работы с iTunes. Она анализирует плей-лист
Рекомендация соответствовала
клиента и сравнивает информацию с данными других пользовате- вкусу пользователя где-то на 30%.
лей, после чего выдает свои рекомендации. Позволяет выбирать
По-видимому, этим объясняется не-
наименования из базы и проставлять свои оценки
большое количество абонентов
На сайте можно скачивать музыку, создавать или закачивать
Очень неудобная навигация, мало
свой плей-лист, создавать собственные фильтры – такие, как
активных клиентов. Рекомендации
настроение, действие, место и т.д. Также сайт предлагает функ-
отвечают ожиданиям пользователя
цию мониторинга за поведением пользователя. Соответственно
на 50%
рекомендации могут строиться не только на основе плей-листа
и персонального рейтинга абонента, но и на основе информации
о его действиях. Если пользователю нравятся чьи-то рекоменда-
ции, он может включить этого человека в список тех, кто на него
влияет
В системе накоплена огромная база музыкальных профилей, к ко- Самая популярная система. Удоб-
торой она обращается для выработки рекомендаций. Сам прогноз ная навигация – люди чувствуют
строится на основе совпадения этих профилей (если клиенту нра- себя охотниками за хорошей музы-
вится Cesa´ria E´vora, то ему будет предложен похожий по профилю кой, хотя поиск занимает некото-
Yuri Buenaventura). Кроме того, абонент может посмотреть, что
рое время
слушают люди с близкими музыкальными предпочтениями
Общее впечатление очень хорошее.
Качественные рекомендации со-
ставляют порядка 75%
Система создана для работы с iTunes. Она считывает плей-лист
клиента и на основе этой информации и анализа плей-листов дру-
гих пользователей выдает свои рекомендации
Каждая песня проаннотирована в соответствии с некоторым набором Лучшая из всех систем опроса мне-
характеристик (составлен ее «профиль»). Клиент выбирает люби-
ния, очень наглядная и удобная.
мые песни и обозначает, что в них нравится (стиль, исполнитель, Рекомендации соответствуют вкусу
звучание и т.д.). В результате система и создает «профиль» клиента, пользователя примерно на 90%
и предлагает песни к прослушиванию в определенном порядке, на-
чиная с самых приятных. Рекомендованные песни можно купить и
скачать или прослушать в режиме радио
555

ПРИЛОЖЕНИЯ
11.9. Рекомендательные системы и сотовая связь
Рекомендательные системы вызвали интерес и у производителей
сотовых телефонов, поскольку по всем прогнозам ожидается взрыв-
ной рост продаж развлекательного контента для мобильных теле-
фонов. Расширяющиеся каналы связи и увеличивающаяся память
облегчают обнаружение, проигрывание и хранение контента. Беспро-
водное соединение позволяет осуществлять локализованный файло-
обмен и обнаруживать единомышленников, создавая своеобразные
Читать дальше