Dolgin.indb
Шрифт:
векторами, представляющими собой отражение потребительских предпочтений.
Подробнее о рекомендательных системах см. часть 2, глава 2.7.
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,
– 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
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-
трации, по крайней мере в его первозданном виде, а не в виде бизнес-
115 Oakes Ch. Firefl y’s Dim Light Snuff ed Out // Wired [on-line], 8th December, 1999. [cited Feb. 20, 2003]. Available from URL: <http://www. wired.
com/news/culture/0,1284,21243,00. html>.
116 Ридл на паях с бывшим топ-менеджером Microsoft Стивеном Снайдером (Steven Snyder) учредили компанию Net Perceptions. Первый вице-президент этой