alexey - Dolgin.indb

113 По материалам: Shardanand and Upendra & Maes P. Social Information Filtering: Algorithms for Automating «World of Mouth» // Proc. of CHI’95 Conference on Human Factors in Computing Systems, ACM Press, 1995.

70

ГЛАВА 1.3. НАВИГАЦИЯ – НОВЫЙ ВИД УСЛУГ В МИРЕ МУЗЫКИ

– Не заводит, не трогает

– Хорошая вещь

– Мощно

– Одна из моих любимых, не могу жить без нее!

По мере того как абонент наращивает число оценок, его профиль

уточняется. Система сравнивает профили пользователей, выявляет лю-

дей с похожими вкусами и предсказывает, насколько человеку понра-

вится незнакомый альбом/артист.

Ringo был создан профессором Патти Маес (Patti Maes) и тремя ее

студентами и появился в интернете 1 июля 1994 года. После «инкуба-

ционного периода» о сервисе пошла молва, и менее чем за месяц число

пользователей достигло тысячной отметки, а к исходу второго – при-

близилось к двухтысячной. Параллельно росла база данных. Первона-

чально система включала в себя 575 артистов, но скоро в ней стало 3000

исполнителей (9000 альбомов). Обрабатывалось почти 500 сообщений

в день114. Те, кто впервые обращались к Ringo, получали список из 125

артистов и, согласно инструкции, присваивали им рейтинг. Оценивать

артистов полагалось без детализации (избегая суждений об оригиналь-

ности, о вокальных данных и т. д.), а лишь исходя из того, насколько их

приятно слушать.

Обретя таким образом персональный профиль, человек мог обра-

титься к Ringo со следующим запросом: 1) порекомендовать новых ар-

тистов/альбомы; 2) перечислить артистов/альбомы, на которые не сто-

ит тратить время; 3) выдать прогноз по конкретному артисту/альбому.

Рекомендации сопровождались показателем достоверности (он зави-

сел, в частности, от числа пользователей-единомышленников, взятых

в расчет для составления прогноза). Какие-либо данные об абонентах

не предоставлялись. Еще пользователь имел доступ к рецензиям своих

рекомендателей, а также к досье на любого артиста с перечнем его аль-

бомов и средней оценкой, данной им потребителями. Каждый абонент

Ringo ранжировал в среднем около сотни артистов; средний балл со-

ставлял 3,7 (т. е. между «не моя вещь» и «не трогает»). Вначале рекомен-

дации Ringo были неточны, поскольку сервис еще не набрал критичес-

кой массы данных. По мере роста числа пользователей и их обращений

компетентность прогнозов нарастала. Чтобы войти в норму, требова-

лось пару раз пройти операцию ранжирования артистов, в результате

114 Один пользователь мог послать десятки запросов в день. Сообщения посылались

головному серверу, который раз в час обрабатывал накопившуюся корреспон-

денцию и отвечал на нее. Подробнее см.: Heylighen F. Collaborative Filtering.

71

ЧАСТЬ 1. ПЕРСПЕКТИВНАЯ МОДЕЛЬ МУЗЫКАЛЬНОГО БИЗНЕСА

чего список абонентов со схожими предпочтениями, так называемых

«соседей» пользователя, мог существенно уточниться.

В 1995 году на базе Ringo была создана программа Helpful Online Music Recommendations (HOMR – Полезные онлайновые музыкальные

рекомендации). В 1995 году была учреждена компания Agents Inc., вско-

ре переименованная в Firefl y Network (по-русски – «Светлячок»). К се-

редине 1997 года она совместно с Microsoft и Netscape переключилась

на регулирование вопросов, связанных с защитой приватности в сети.

В 1998 году Microsoft купила эту компанию, хронически испытываю-

щую финансовые затруднения, и тут оказалось, что нового владельца

больше интересуют наработки Firefl y в области обработки персональ-

ной информации о пользователях, но не коллаборативная фильтрация.

4 августа 1999 года Microsoft закрыла Firefl y.com – один из наиболее важ-

ных экспериментов в истории интернет-коммьюнити закончился115.

Опыт Ringo пошатнул устоявшиеся в культуре представления о том, что контент сначала должны отфильтровать эксперты, и лишь затем его

можно публиковать. Был с успехом опробован обратный порядок дейс-

твий: предъявлять на всеобщее обозрение, переложив фильтрацию на

непрофессиональное сообщество.

Другой пионер этой технологии, Джон Ридл (John Riedl) из Универ-

ситета Миннесоты, запустил на основе коллаборативной фильтрации

свой сервис, генерирующий рекомендации по фильмам116. На его веб-

сайте MovieLens каждого пользователя просят присвоить серии филь-

мов баллы от 1 «ужасно» до 5 «стоит посмотреть». Высокая точность

начинается с полутора десятков оценок.

1.3.2.4. Приостановка фильтрации

При всей своей привлекательности метод коллаборативной филь-