Ringkasan rekomendasi

Sistem rekomendasi adalah salah satu penerapan machine learning yang paling sukses dan luas bagi bisnis. Anda dapat menggunakan sistem rekomendasi untuk membantu pengguna menemukan konten yang menarik dalam sekumpulan konten yang besar. Misalnya, Google Play Store menawarkan jutaan aplikasi, sementara YouTube menawarkan miliaran video, dengan lebih banyak aplikasi dan video yang ditambahkan setiap hari. Pengguna dapat menggunakan penelusuran untuk menemukan konten baru, tetapi hal itu dibatasi oleh istilah penelusuran yang mereka gunakan. Sistem rekomendasi dapat menyarankan konten yang mungkin tidak terpikirkan oleh pengguna untuk ditelusuri sendiri. Untuk mengetahui informasi selengkapnya, lihat Ringkasan Sistem Rekomendasi.

Algoritma machine learning dalam sistem rekomendasi biasanya diklasifikasikan ke dalam dua kategori berikut: berbasis konten dan pemfilteran kolaboratif.

  • Pemfilteran berbasis konten: menggunakan kemiripan di antara item untuk memberikan rekomendasi. Misalnya, jika pengguna menonton dua video kucing lucu, sistem rekomendasi dapat merekomendasikan lebih banyak video hewan lucu kepada pengguna tersebut.
  • Pemfilteran kolaboratif: menggunakan kesamaan di antara pengguna (berdasarkan kueri pengguna) untuk memberikan rekomendasi. Misalnya, jika pengguna A menelusuri hal yang serupa dengan pengguna B, dan pengguna B menyukai video 1, sistem rekomendasi dapat merekomendasikan video 1 kepada pengguna A, meskipun pengguna A belum menonton video apa pun yang mirip dengan video 1.

Model faktorisasi matriks banyak digunakan sebagai metode pemfilteran kolaboratif untuk sistem rekomendasi. Anda dapat menggunakan model faktorisasi matriks dengan fungsi ML.RECOMMEND untuk membuat rekomendasi. Untuk mengetahui informasi selengkapnya, lihat Faktorisasi Matriks.

Untuk memperluas sistem rekomendasi berbasis pemfilteran kolaboratif di luar apa yang memungkinkan dengan model faktorisasi matriks, Anda dapat menggunakan model deep neural network (DNN) serta Wide-and-Deep. Model ini dapat menggabungkan fitur kueri dan item untuk meningkatkan relevansi rekomendasi. Untuk informasi selengkapnya, lihat resource berikut: