مکانیسم‌های سیستم‌های توصیه‌گر: مقایسه فیلترینگ مشارکتی، مبتنی بر محتوا و مدل‌های ترکیبی

هر بار که یک خوراک رسانه اجتماعی، سرویس پخش آنلاین یا پلتفرم تجارت الکترونیک تصمیم می‌گیرد که در مرحله بعد باید به چه چیزی نگاه کنید، یک حدس ریاضی بر اساس یکی از سه معماری بنیادی می‌زند: فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوا، یا ترکیبی از این دو. در حالی که شرکت‌های فناوری اغلب این سیستم‌ها را به عنوان «هوش مصنوعی» بسیار پیشرفته و هوشمند که روانشناسی انسان را عمیقاً درک می‌کند، بازاریابی می‌کنند، واقعیت بسیار مکانیکی‌تر است. لایه اصلی تقریباً تمام موتورهای توصیه‌گر بزرگ بر تجزیه ماتریس (Matrix Factorization) و شباهت برداری (Vector Similarity) متکی است.[9]

تمایز بین این معماری‌ها صرفاً یک نکته فنی برای مهندسان نرم‌افزار نیست. انتخاب مدل، تجربه اساسی کاربر از یک پلتفرم را دیکته می‌کند. این انتخاب تعیین می‌کند که آیا یک سیستم کاربر را در یک اتاق پژواک سفت و سخت به دام می‌اندازد، او را با مفاهیم جدیدی که نمی‌دانست به آن‌ها علاقه دارد آشنا می‌کند، یا زمانی که یک حساب کاربری جدید ایجاد می‌کند، کاملاً شکست می‌خورد. برای درک اینکه چرا یک خوراک به شکلی که هست رفتار می‌کند، باید به ریاضیات زیربنایی آن نگاه کرد.[1][2]

ساده‌ترین رویکرد، فیلترینگ مبتنی بر محتوا است. این معماری رفتار جمعیت گسترده‌تر را نادیده می‌گیرد و منحصراً به ویژگی‌های خود آیتم‌ها، در کنار ترجیحات تاریخی کاربر، نگاه می‌کند. اگر کاربری مکرراً فیلم‌های علمی-تخیلی با موضوع سفر فضایی تماشا کند، سیستم آن برچسب‌های فراداده (Metadata) را استخراج کرده و پایگاه داده خود را برای فیلم‌های دیگری که دقیقاً همان ویژگی‌ها را دارند، جستجو می‌کند.[4][5]

از نظر مکانیکی، سیستم‌های مبتنی بر محتوا با نگاشت آیتم‌ها به یک فضای برداری (Vector Space) عمل می‌کنند. هر ویژگی—ژانر، طول، نویسنده، کلمه کلیدی—به یک بُعد تبدیل می‌شود. سپس سیستم، پروفایل کاربر را در همان فضا بر اساس آنچه قبلاً با آن تعامل داشته، ترسیم می‌کند. الگوریتم به سادگی فاصله بین بردار کاربر و بردارهای آیتم‌های موجود را محاسبه می‌کند و آیتم‌هایی را که نزدیک‌ترین فاصله را به سلیقه تثبیت شده کاربر دارند، توصیه می‌کند.[5]

این مدل یک مزیت متمایز دارد: آیتم‌های جدید را به خوبی مدیریت می‌کند. از آنجا که فقط به فراداده اهمیت می‌دهد، یک ویدیو که پنج ثانیه پیش آپلود شده و صفر بازدید دارد، می‌تواند بلافاصله به یک کاربر بسیار مرتبط توصیه شود. با این حال، فیلترینگ مبتنی بر محتوا از یک نقص مهلک به نام «تخصص بیش از حد» (Over-specialization) رنج می‌برد. این سیستم فاقد ظرفیت کشف تصادفی (Serendipity) است. از آنجا که فقط می‌تواند آیتم‌هایی را توصیه کند که از نظر ریاضی شبیه به چیزی هستند که کاربر قبلاً مصرف کرده است، به طور فعال یک حباب فیلتر ایجاد می‌کند و هرگز یک ویدیوی آشپزی را به کاربری که فقط محتوای بازی تماشا کرده است، پیشنهاد نمی‌دهد.[3][5]

برای حل مشکل کشف تصادفی، صنعت فیلترینگ مشارکتی (Collaborative Filtering) را توسعه داد. این معماری دقیقاً رویکرد مخالف را در پیش می‌گیرد: کاملاً نادیده می‌گیرد که آیتم واقعاً چیست و در عوض ماتریس عظیم تعاملات کاربر را تحلیل می‌کند. این سیستم بر اساس یک فرض ساده عمل می‌کند: اگر کاربر الف و کاربر ب در مورد ده آیتم قبلی توافق داشته‌اند، به احتمال زیاد در مورد آیتم یازدهم نیز توافق خواهند داشت.[6][8]

فیلترینگ مشارکتی بر تجزیه ماتریس متکی است. سیستم یک شبکه عظیم می‌سازد که در آن سطرها کاربران، ستون‌ها آیتم‌ها هستند و خانه‌های متقاطع حاوی داده‌های تعامل—یک امتیاز، یک کلیک، یا زمان تماشا—هستند. الگوریتم از جبر خطی برای شناسایی عوامل پنهان (Latent Factors) استفاده می‌کند و کاربران با الگوهای رفتاری مشابه را در گروه‌های هم‌گروه (Cohorts) دسته‌بندی می‌کند. سپس آیتم‌هایی را توصیه می‌کند که گروه هم‌گروه کاربر با آن‌ها تعامل داشته است، حتی اگر آن آیتم‌ها هیچ فراداده مشترکی با مصرف گذشته کاربر نداشته باشند.[3][8]

اینجاست که کشف تصادفی متولد می‌شود. یک فیلتر مشارکتی می‌تواند یک آلبوم جاز را به یک طرفدار هوی متال توصیه کند، نه به این دلیل که موسیقی شبیه است، بلکه به این دلیل که الگوریتم متوجه شده است که یک گروه هم‌گروه از نظر آماری قابل توجه از کاربران وجود دارد که هر دو را مصرف می‌کنند. این امر به پلتفرم‌ها اجازه می‌دهد تا علایق را در هم آمیزند و محتوای ویروسی را که فراتر از مرزهای ژانر سنتی است، نمایش دهند.[1][6]

با این حال، فیلترینگ مشارکتی محدودیت‌های شدید خود را معرفی می‌کند، که مهم‌ترین آن‌ها مشکل «شروع سرد» (Cold Start) است. از آنجا که سیستم کاملاً به داده‌های تعامل تاریخی متکی است، نسبت به آیتم‌های جدید و کاربران جدید کاملاً کور است. یک ویدیوی جدید درخشان با صفر بازدید نمی‌تواند توسط یک فیلتر مشارکتی خالص توصیه شود، زیرا هیچ داده رفتاری برای پیوند دادن آن به هیچ گروه هم‌گروهی از کاربران وجود ندارد. به طور مشابه، یک کاربر جدید بدون سابقه نمی‌تواند در یک گروه هم‌گروه قرار گیرد.[2][8]

علاوه بر این، سیستم‌های مشارکتی با «تنکی» یا «پراکندگی داده» (Sparsity) دست و پنجه نرم می‌کنند. در سیستمی مانند یک سایت بزرگ تجارت الکترونیک با صدها میلیون کاربر و میلیاردها محصول، ماتریس تعامل به طور فزاینده‌ای خالی است. اکثر کاربران فقط با بخش میکروسکوپی از کاتالوگ تعامل داشته‌اند. محاسبه شباهت‌ها در سراسر ماتریسی که ۹۹.۹٪ خالی است، نیاز به سربار محاسباتی عظیمی دارد و اغلب منجر به همبستگی‌های ضعیف و نویزدار می‌شود.[3][6]

از آنجا که هیچ یک از مدل‌های خالص نمی‌توانند در برابر خواسته‌های یک پلتفرم مدرن و مقیاس‌پذیر دوام بیاورند، استاندارد صنعتی تقریباً به طور کامل به سمت سیستم‌های توصیه‌گر ترکیبی (Hybrid) تغییر کرده است. این معماری‌ها تلاش می‌کنند تا نقاط قوت هر دو رویکرد را در هم آمیزند و در عین حال نقاط ضعف مربوطه آن‌ها را پنهان کنند و یک خط لوله انعطاف‌پذیرتر ایجاد کنند که می‌تواند هم داده‌های جدید و هم کشف تصادفی را مدیریت کند.[1][7]

سیستم‌های ترکیبی را می‌توان به چندین روش ساخت. رایج‌ترین روش، رویکرد وزن‌دهی شده است، که در آن یک مدل مبتنی بر محتوا و یک مدل مشارکتی به صورت موازی اجرا می‌شوند و دو لیست جداگانه از توصیه‌ها تولید می‌کنند. سپس یک الگوریتم ثانویه این لیست‌ها را امتیازدهی و ادغام می‌کند و وزن‌های متفاوتی را بر اساس زمینه اعمال می‌کند. اگر یک کاربر کاملاً جدید باشد، سیستم به شدت به خط لوله مبتنی بر محتوا وزن می‌دهد؛ با ایجاد سابقه توسط کاربر، اختیارات بیشتری به خط لوله مشارکتی داده می‌شود.[2][7]

یکی دیگر از معماری‌های ترکیبی محبوب، مدل آبشاری (Cascade) است. در این تنظیمات، سیستم از یک روش فیلترینگ برای ایجاد یک لیست گسترده و درشت از نامزدها استفاده می‌کند و سپس از روش دوم برای پالایش و رتبه‌بندی آن لیست خاص استفاده می‌کند. به عنوان مثال، یک پلتفرم ممکن است از فیلترینگ مشارکتی برای شناسایی ۱۰۰۰ ویدیوی محبوب در گروه هم‌گروه کاربر استفاده کند و سپس یک فیلتر مبتنی بر محتوا را برای رتبه‌بندی آن ۱۰۰۰ ویدیو بر اساس ترجیحات فراداده‌ای خاص کاربر اعمال کند.[7][9]

در حالی که مدل‌های ترکیبی بسیار مؤثر هستند، بده‌بستان‌های ریاضی بنیادی را از بین نمی‌برند؛ آن‌ها صرفاً هزینه محاسباتی را به مکانیسم وزن‌دهی منتقل می‌کنند. مهندسان باید به طور مداوم اکتشافی‌هایی (heuristics) را که نحوه تعامل مدل‌ها را کنترل می‌کنند، تنظیم کنند. اگر وزن مشارکتی بیش از حد بالا تنظیم شود، پلتفرم به یک مسابقه محبوبیت تبدیل می‌شود که در آن سازندگان خاص نمی‌توانند پیشرفت کنند. اگر وزن محتوا بیش از حد بالا باشد، حفظ کاربر کاهش می‌یابد زیرا خوراک تکراری می‌شود.[7][9]

هنگامی که شرکت‌های رسانه‌های اجتماعی در مورد الگوریتم‌های اختصاصی خود لاف می‌زنند، به ندرت در مورد اختراع مجدد این مدل‌های پایه صحبت می‌کنند. «سس مخفی» معمولاً در توابع هدف (Objective Functions) یافت می‌شود—معیارهای خاصی که سیستم ترکیبی برای بهینه‌سازی آن‌ها دستور گرفته است. به جای بهینه‌سازی برای رضایت کاربر یا دقت، پلتفرم‌های تجاری اغلب تجزیه ماتریس خود را برای به حداکثر رساندن زمان تماشا، عمق پیمایش یا نمایش تبلیغات تنظیم می‌کنند.[6][9]

در نهایت، معماری یک سیستم توصیه‌گر مرزهای کشف دیجیتال را تعریف می‌کند. سیستم‌های مبتنی بر محتوا مانند کتابداران عمل می‌کنند و با دقت آنچه را که خواسته شده است، دسته‌بندی و بازیابی می‌کنند. سیستم‌های مشارکتی مانند جمعیت عمل می‌کنند و به هر چیزی که در جای دیگری توجه جمعیت را جلب می‌کند، اشاره می‌کنند. سیستم‌های ترکیبی تلاش می‌کنند هر دو باشند، اما آن‌ها به شدت محدود به کیفیت، پراکندگی و محدودیت‌های ریاضی داده‌هایی هستند که جذب می‌کنند.[1][9]