¿Cómo implementaría el algoritmo 'Genius' de Apple iTunes?

Question

Siempre me he preguntado cómo y qué mejor manera de implementar la función 'Genius' en iTunes.

Probablemente podría forzarlo brutalmente, pero me preguntaba si alguien tenía alguna idea.

Gracias.

Answer 1

El algoritmo Genius es un ejemplo de un sistema de recomendación, que es un tema candente en los sistemas de comercio electrónico. Tanto es así que Netflix recibió un premio de $ 1 millón que se prolongó durante varios años para mejorar su sistema de recomendación en solo un 10%.

En iTunes tienes una colección de música. Genius puede hacer suposiciones de que si tienes esta música que te debe gustar. Si suficientes personas tienen la canción B que tiene la canción A, entonces Genius puede decir que si tienes la canción A probablemente te gustará la canción B.

Solo con tener la canción sería una recomendación bastante débil. Mejor sería si el usuario hubiera calificado esa música para que pueda mejorar la fuerza de la "recomendación" sobre esa base.

Recomiendo leer If You Liked This, You’re Sure to Love That como una buena introducción a los sistemas de recomendación.

Answer 2

Punto importante: debe tener datos de lotes de usuarios. No podrías hacer esto tú mismo por la fuerza bruta (a menos que te refieras a crearlo completamente a mano).

Answer 3

Paso 1 - recoja los datos, para todos los clics/reproducción por usuario. Eso sería una gran cantidad de datos.

Paso 2 - hacer un sistema de generación de listas de clasificación/recomendación. Para cada canción, genere una lista de clasificación/tipo de prioridad con todos los productos/canciones que la gente está viendo/reproduciendo. Un simple ejemplo dice que las personas no comparten la misma combinación o la cantidad de tiempo de reproducción para cada canción.

Paso 3 - mantenga un límite (por ejemplo, top10) para mostrar sus recomendaciones de la lista anterior de una canción.

Esto no fue tan difícil, el truco o la genialidad radica en agregar pesos a la lista que hace en el paso 2. Cómo funciona su sistema de recomendaciones con pesas (para el rango de página ex).

Podría haber decepcionado a los ingenieros de minería de datos dando una explicación ingenua/simple al campo de la informática extremadamente complejo. Perdóname :)

Answer 4

Echa un vistazo a esto, term frequency–inverse document frequency, es un método que se clasifica de acuerdo con lo que te gusta, cuanto más "único" más efecto tiene una canción que le gusta en las recomendaciones.

Básicamente, si solo te gusta y juegas a U2, será difícil para el algoritmo/programa recomendar algo especial, que es de tu agrado.

Por otro lado, si usted es más variado en el uso de iTunes, las bandas menos conocidas que realmente le gustan serán ponderadas más, ya que lo aíslan más de las masas. ..