ГлавнаяСказки наших читателейКонкурсыБиографии сказочниковСтатьи

Быстрый закат

Несмотря на столь быстрый закат первопроходца, музыкальная коллаборативная фильтрация чуть позже стала развиваться небывалыми темпами. Как и в контентной истории здесь сменила друг друга целая вереница ресурсов, открывавшихся, закрывавшихся, менявших стратегии. MusicStrands, iLike, Music Recommendation System for iTunes, Emergent Music, мутировавший в Goombah и слившийся в итоге все с тем же iTunes, став плагином доя его медиаплеера. Сама технология тем временем трансформировалась в направлениях, порой противоположных: то предельно упрощаясь на службе у электронной коммерции, сводящей ее принципы к формуле «те, кто приобрели данный товар, также интересуются...», то — напротив — совершенствуясь и усложняясь. Совершенствование затрагивало при этом аспекты довольно разные: так, помимо коррекции аналитических алгоритмов разработчики серьезно сосредоточились на проблеме сбора стартовой информации, довольно радикально меняя представление о том, что именно должно служить материалом доя анализа. Масса вручную выставленных оценок — как в Ringo — была, конечно, максимально достоверна, но подразумевала слишком много осознанных усилий, серьезных временных затрат пользователей, мешая сервису стать по-настоящему массовым, а значит — по-настоящему эффективным. Альтернатива оценкам была необходима — и в какой-то момент ее стали видеть в автоматическом поиске данных о музыкальных коллекциях слушателей. Самым очевидным источником оказались здесь файлообменные сети. Подразумевалось, что то, что человек открывает доя скачивания в р2р, и является его любимой музыкой, — а следовательно, анализ раздач позволяет выделить вкусовые группы и получить базу данных, составленную по модели: «те, кто имеет в своей коллекции А, В и С, чаще всего любят также D, Е и F». Учитывая огромное число пользователей файлообмена, выборка при таком подходе получалась внушительной — и не в последнюю очередь как раз на нее опирались такие рекомендательные сервисы, как Echocloud или UpToll.net. Но доминирующим подходом в коллаборатив- ной фильтрации мониторинг р2р все же не стал — то ли из- за постоянных гонений на файлообмен, то ли вследствие того факта, что тождество между попавшим в расшаренные папки и по-настоящему любимым вовсе не бесспорно.

Вообще же проблема сбора данных о вкусе слушателя в какой-то момент стала камнем преткновения не только для коллаборативных, но и для всех прочих рекомендательных систем —даже контентные фильтры, хотя и не имели намерения сравнивать предпочтения пользователя с чьими бы то ни было, тем не менее нуждались в том, чтобы как-то узнать о них, желательно — не задавая бесконечных вопросов. В конечном итоге эта всеобщая потребность в ненавязчивом накоплении информации была реализована с помощью самой беззастенчивой современной технологии — анализа следов (чаще всего попросту логов), оставляемых людьми в цифровом пространстве. Эти следы могут сообщить самые разнообразные сведения о человеке: историю посещений им интернет-ресурсов, его поисковые запросы, статистику скачиваний и прослушиваний той или иной музыки. То же, как эти сведения используются в рамках рекомендательных систем, можно наглядно проследить на примере наиболее известного — хотя задействующего и отнюдь не весь спектр доступных возможностей — сервиса Audioscrobbler, работающего в рамках Last.fm.

Дата: 06 декабря 2013



 
Похожие материалы

Напиши самую интересную сказку
Стань популярным сказочником
Войти
Логин:
Пароль:




 
ГлавнаяСказки наших читателейКонкурсыБиографии сказочниковСтатьи
© 2009 - Энциклопедия великих сказочников мира
связаться с нами