Comment implémenterait-on l'algorithme Apple iTunes 'Genius'?

Question

Je me suis toujours demandé comment et quel était le meilleur moyen d'implémenter la fonctionnalité "Genius" sur iTunes.

Je pourrais probablement le forcer brutalement, mais je me demandais si quelqu'un avait un aperçu.

Merci.

Answer 1

L'algorithme Genius est un exemple de système de recommandation, sujet d'actualité dans les systèmes de commerce électronique. Si bien que Netflix a remporté un prix d'un million de dollars qui a duré plusieurs années pour améliorer son système de recommandations de seulement 10%.

Sur iTunes, vous avez une collection de musique. Le génie peut faire l'hypothèse que si vous avez cette musique, vous devez l'aimer. Si suffisamment de gens ont la chanson B qui a la chanson A, alors Genius peut dire que si vous avez la chanson A, vous aimerez probablement la chanson B.

Le fait d’avoir la chanson serait une recommandation assez faible. Il serait préférable que l'utilisateur ait évalué cette musique afin d'améliorer la force de la "recommandation". sur cette base.

Je vous recommande vivement de lire Si vous avez aimé cela, vous êtes sûr d’aimer ça comme base de base sur les systèmes de recommandation.

Answer 2

Étape 1 - collectez les données, pour tous les clics / lecture par utilisateur. Ce serait beaucoup de données.

Étape 2 - créez un système de génération de listes de classement / recommandations. Pour chaque chanson, générez une liste de types classement / priorité avec tous les produits / chansons visionnés / lus. Un exemple simple, dites non aux personnes partageant la même combinaison ou la durée de lecture de chaque chanson.

Étape 3 - conservez une limite (par exemple top10) pour afficher vos recommandations dans la liste ci-dessus faite pour une chanson.

Ce n’était pas si difficile, l’astuce ou le génie réside dans l’ajout de poids à la liste que vous avez créée à l’étape 2. Comment votre système de recommandation fonctionne avec des poids (par ex page rank).

J'ai peut-être déçu les ingénieurs en data mining en donnant une explication aussi naïve / simple à un domaine informatique extrêmement complexe. Pardonnez-moi. :)

Answer 3

Consultez cette fréquence du terme & # 8211; fréquence inverse des documents , c'est une méthode qui se classe selon ce que vous aimez, le plus "unique" plus une chanson a d’effet sur les recommandations.

En gros, si vous aimez seulement jouer à U2 et le jouer, il sera difficile pour l’algorithme / le programme de vous recommander quelque chose de spécial, à votre goût.

D'autre part, si votre utilisation d'iTunes est plus variée, les groupes moins connus que vous aimez vraiment auront plus de poids, car ils vous isolent davantage des masses.

Answer 4

Point important: vous devez disposer de données provenant de lots d'utilisateurs. Vous ne pouvez pas le faire vous-même par force brute (à moins que vous ne vouliez le créer entièrement à la main).