Яндекс.Метрика
    Поиск по тегу

    рекомендации


    Найдено: 9 записей

    freelance

    Мотивационное обновление на Free-lance.ru

    image
    На днях пришло очередное обновление на крупнейшей площадки по Фрилансу. Главным событием стало закрытие раздела «Отзывы работодателей». Отныне для получение отзыва, по которым обычно ориентируются заказчики и исполнители, необходимо оплатить ресурсу 10% от суммы сделки и предоставить материалы проекта и договор.

    Реклама

    Сервис рекомендаций игр 2 месяца спустя


    Intro

    Почти 2 месяца назад о этом сайте на хабре, если кто-то не знает, то еще раз раскажу о сути finle.ru:
    • Мы помогаем найти новые, интересные игры, основываясь на ваших предыдущих оценках
    • Мы помогаем упорядочить и систематизировать библиотеку пройденных вами игр
    • Мы помогаем узнать о игре больше
    • Мы помогаем найти людей с похожими интересами


    После первого поста ко мне обратился Fatal1ty, с предложением бесплатно нарисовать дизайн, но получилось так, что он не только помог с внешним видом, но и предложил множество идей, оказывал моральную поддержку, вобщем оказался просто хорошим человеком, за что ему огромное спасибо. Финл.ру обзавелся новым функционалом, таким как: лента событий, лента комментариев, расширенные профили пользователе, регистрация и авторизация (раньше вход осуществлялся только по OpenID), усовершенствованные алгоритмы подбора и многое другое.

    Реклама

    FFFFields.tk – вкусы по сферам занятости



    Я заметил, что довольно часто узнаю о классных фильмах или книгах из комментариев на хабре. Не менее качественным источником рекомендаций для меня оказался круг коллег-разработчиков и дизайнеров на работе. Будучи студентом университета нередко получал рекомендации по художественной литературе от профессоров и магистров. С другой стороны, топик «любимые фильмы» на городском форуме хорошего принес мало: пишущих туда объединяет лишь название города проживания, в остальном это слишком разные люди.

    Разбирая данные

    Системы рекоммендаций: введение в гибридные системы

    Системы рекомендаций:
    Советы от машины
    Холодное начало
    — Введение в гибридные системы
    искусственные имунные системы и эффект идиотипов


    Продолжим с того момента, на котором мы остановились в прошлый раз: мы рассмотрели несколько способов решения проблемы холодного начала, теперь я предлагаю рассмотреть другие проблемы систем рекомендаций (далее просто СР) и подумать, как разные типы СР могут дополнять друг-друга. Сразу оговорюсь, что я не буду подробно рассматривать способы решения той или иной проблемы. Цель этой статьи — лишь помочь разработчикам ориентироваться в разновидностях СР и в связанных с ними проблемах.

    Для начала все-таки придется дополнить классификацию СР. Przemyslaw Kazienko и Pawel Kolodziejski предложили разделить все СР на пять типов: статистические, коллективные, ассоциативные и информационные. Начнем с самых простых.

    Разбирая данные

    Системы рекоммендаций: советы от машины

    Системы рекомендаций:
    — Советы от машины
    Холодное начало
    Введение в гибридные системы
    искусственные имунные системы и эффект идиотипов


    Многие современные тенденции веб дизайна направлены на то, чтобы помочь пользователю лучше ориентироваться и по возможности облегчить выбор и принятие решений. Есть множество явных и неявных способов способов направлять и манипулировать поведением пользователя, фокусировать его внимание на нужных аспектах системы и влиять на принимаемые им решения. Но возможно ли, а главное, нужно ли избавить пользователя от необходимости выбора? Можно ли доверить часть решений автоматизированным системам рекомендаций?

    Краткое введение


    Хорошее и лаконичное определение системе рекомендаций дает Википедия:
    Системы рекомендаций — это особенный вид техники фильтрации информации стремящийся представлять информацию (фильмы, музыку, книги, изображения, веб сайты и тп), которая скорее всего заинтересует пользователя. Обычно система рекомендаций сравнивает профиль пользователя с какой-то справочной информацией и старается предсказать «рейтинг», который пользователь даст объекту, над которым он еще даже не думал.