alexey - Dolgin.indb

не имеет никакого значения. Мелодия создает (или не создает) некие

желанные состояния – именно в этом ключе ее и следует оценивать в

68

ГЛАВА 1.3. НАВИГАЦИЯ – НОВЫЙ ВИД УСЛУГ В МИРЕ МУЗЫКИ

рамках рекомендательной системы. Важно одно: слушатель достовер-

но знает, понравилась ему музыка или нет, а если формулировать точ-

нее, понравился ли он сам себе в присутствии этой музыки. Именно он

и только он – наилучший детектор «для-себя ценности». Оценивать-

ся должно не произведение искусства как таковое (это компетенция

искусствоведов), а порождаемые им субъективные эффекты – вот в

чем потребитель культуры априори компетентен. Такая оценка субъ-

ективна, но в том-то и вся соль: для пользы дела она и должна быть

субъективной.

Чьи оценки подлежат сбору? Да всех добровольцев без исключе-

ния. Система не нуждается в искусственно набранных референтных

группах.

1.3.2. Изобретение, которого не было

1.3.2.1. Коллаборативная фильтрация – фундаментальное

решение проблемы навигации

Подобный подход к проблеме выбора может показаться фантасти-

ческим, но это не так. Он не только не нов, но применяется на практике

более десяти лет. Прототип механизма потребительской селекции был

создан в 1992 году. Идея автоматически вычленять вкусовые сообщест-

ва и предоставлять их членам возможность обмениваться суждениями

была предложена Дейвом Голдбергом (Dave Goldberg) и его коллегами

из исследовательского центра Xerox PARC в Пало-Альто, Калифорния.

Именно они ввели термин «коллаборативная фильтрация»109.

В последующие годы первоначальную «сырую» идею коллабора-

тивной (кооперативной) фильтрации довели до ума и сегодня реко-

мендации даются исходя из сходства предпочтений человека и других

пользователей. Для этого клиенту нужно оценить несколько объектов, на основании чего вырисовывается его персональный профиль. В со-

ответствии с ним подбираются советчики, затем их мнения о произ-

ведениях, еще не знакомых клиенту, доводятся до его сведения. Эта

изящная схема начала активно разрабатываться с 1994 года110, одна-

ко ее судьба оказалась тернистой. В методе изначально присутствова-

109 United We Find // Th

e Economist, March 10, 2005.

110 Heylighen F. Collaborative Filtering // Principia Cybernetica Project [on-line], 2001.

[cited Feb. 28, 2005]. Available from URL:

.

69

ЧАСТЬ 1. ПЕРСПЕКТИВНАЯ МОДЕЛЬ МУЗЫКАЛЬНОГО БИЗНЕСА

ла одна недоработка, которая со временем привела к проблемам. В чем

суть загвоздки и как ее преодолеть, будет изложено ниже, после анализа

первого опыта внедрения коллаборативной фильтрации.

1.3.2.2. Механизм коллаборативной фильтрации

Поскольку персональные рекомендации генерируются в результате

анализа и сравнения оценок конкретного пользователя и других людей, вся соль коллаборативной фильтрации в способе нахождения этих дру-

гих людей. В общем виде процедура выглядит так111:

− регистрируются предпочтения большой группы людей, на их основе

строится профиль каждого пользователя;

− выделяется подгруппа людей, чьи суждения схожи с суждениями

человека, желающего получить совет/рекомендацию 112;

− на основании отзывов, поступивших от этой подгруппы, выводится

некая оценка – именно она и выдается клиенту в качестве прогноза.

Этот метод использовался для характеристики книг, музыкальных

CD или фильмов. Но в общем он может практиковаться для облегчения

выбора продуктов или услуг любого типа. С конца 90-х годов в интер-

нете стали появляться сайты, построенные на основе коллаборативной

фильтрации. Первым (или в числе первых) был Ringo.

1.3.2.3. Ringo – первая в мире рекомендательная система

по музыке: ее история и опыт113

Разработчики этой системы искали решение проблемы взрывно-

го роста объема информации. Массивы книг, фильмов, CD, новостей и

онлайновой информации значительно превосходят те, которые реаль-

но может пропустить через себя человек. Создатели Ringo применили

коллаборативную фильтрацию для музыки, выбрав следующую шкалу

оценок:

– Невыносимо

– Терпимо с трудом

– Не моя вещь

111 Heylighen F. Collaborative Filtering.

112 Обычно мерой сходства потребителей являются коэффициенты корреляции

Пирсона между их предпочтениями, выраженными в баллах, либо углы между

векторами, представляющими собой отражение потребительских предпочтений.

Подробнее о рекомендательных системах см. часть 2, глава 2.7.