Preporuke prilagođene korisniku
Na ovoj stranici
Ciljevi
- Izgradi sustav preporuka temeljen na ugradnjama (embeddings)
- Implementiraj preporuke temeljene na sadržaju i na korisniku
- Riješi problem hladnog starta i osiguraj raznolikost
Načelo: Sličnost jednaka preporuci
Klasičan pogon za preporuke promatra ponašanje: „Ljudi koji su čitali ovaj članak, čitali su i onaj.“ Potrebno je mnogo prometa prije nego što može reći išta korisno – to je problem hladnog starta, koji pogađa i nove kataloge i članke objavljene jutros.
Pristup s ugradnjama preskače to čekanje. Ako je korisniku se svidio članak, preporučuješ one s najbližim ugradnjama. Ovo je preporuka temeljena na sadržaju: oslanja se na sadržaj, a ne na ponašanje drugih korisnika. Članak objavljen prije deset minuta, koji još nijedan čitatelj nije otvorio, već ima ugradnju i odmah postaje preporučljiv.
Preporuke temeljene na sadržaju
Katalog u nastavku namjerno miješa dva svijeta – strojno učenje s jedne strane i softversko inženjerstvo s druge – kako bi rezultati bili provjerljivi. Svaki članak kodiran je spajanjem naslova i sadržaja: naslov sažima temu, sadržaj osigurava rječnik, a korištenje samo jednog od njih umanjuje kvalitetu pronađenih susjeda.
Trik leži u retku scores[idx] = -1. Bez njega, članak najsličniji nekom članku uvijek bi bio on sam, s rezultatom 1.0 – pa bi čitatelju preporučivao ono što je upravo pročitao.
from openai import OpenAI
import numpy as np
client = OpenAI()
# Katalog članaka
articles = [
{"id": "a1", "titre": "Introduction au machine learning",
"contenu": "Le ML permet aux machines d'apprendre à partir de données..."},
{"id": "a2", "titre": "Deep learning avec PyTorch",
"contenu": "PyTorch est un framework de deep learning flexible..."},
{"id": "a3", "titre": "Déployer une API REST avec FastAPI",
"contenu": "FastAPI est un framework Python pour créer des APIs..."},
{"id": "a4", "titre": "Les bases de PostgreSQL",
"contenu": "PostgreSQL est un SGBD relationnel open source..."},
{"id": "a5", "titre": "Réseaux de neurones convolutifs",
"contenu": "Les CNN sont utilisés pour la vision par ordinateur..."},
{"id": "a6", "titre": "NLP avec les transformers",
"contenu": "Les transformers ont révolutionné le traitement du langage..."},
]
# Indeksiraj katalog
textes = [f"{a['titre']}. {a['contenu']}" for a in articles]
response = client.embeddings.create(
input=textes, model="text-embedding-3-large"
)
catalogue_embs = np.array(
[d.embedding for d in sorted(response.data, key=lambda x: x.index)]
)
def recommander_similaires(
article_id: str,
k: int = 3
) -> list[dict]:
"""Preporučuje k najsličnijih članaka."""
idx = next(i for i, a in enumerate(articles) if a["id"] == article_id)
article_emb = catalogue_embs[idx]
# Sličnost sa svim ostalim člancima
scores = catalogue_embs @ article_emb
scores[idx] = -1 # Isključi sam članak
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# Korisnik čita "Uvod u strojno učenje"
recos = recommander_similaires("a1", k=3)
print("Pročitao/la si: Introduction au machine learning")
print("Preporuke:")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Korisnički profil iz povijesti
Preporučivanje na temelju jednog članka brzo zarobljava čitatelja. Da bi uzeo u obzir cijelo njegovo putovanje, gradiš vektor profila kombiniranjem ugradnji članaka koje je pregledao: ta prosječna točka predstavlja njegove interese u istom prostoru kao i katalog, a zatim tražiš članke najbliže toj točki.
Međutim, čitanja od prije šest mjeseci ne bi trebala težiti isto kao jučerašnja. Vaganje po novosti to rješava: faktor 0.5 ** (n - 1 - i) prepolovljuje težinu pri svakom koraku unatrag u povijesti. Čitatelj koji je dugo pratio strojno učenje, ali se nedavno prebacio na API-je, vidjet će kako se njegove preporuke pomiču unutar nekoliko članaka umjesto da ostanu zamrznute. Konačna normalizacija vraća profil na jediničnu sferu, što je uvjet da točkasti umnožak s katalogom bude ispravna kosinusna sličnost.
def creer_profil_utilisateur(
articles_consultes: list[str],
poids_recency: bool = True
) -> np.ndarray:
"""Stvara vektor profila iz povijesti."""
indices = [
i for i, a in enumerate(articles)
if a["id"] in articles_consultes
]
if not indices:
return np.zeros(catalogue_embs.shape[1])
embs = catalogue_embs[indices]
if poids_recency:
# Nedavni članci više vrijede
n = len(indices)
poids = np.array([0.5 ** (n - 1 - i) for i in range(n)])
poids /= poids.sum()
profil = np.average(embs, axis=0, weights=poids)
else:
profil = np.mean(embs, axis=0)
# Normaliziraj
profil /= np.linalg.norm(profil)
return profil
def recommander_pour_utilisateur(
articles_consultes: list[str],
k: int = 3
) -> list[dict]:
"""Preporučuje članke na temelju korisničkog profila."""
profil = creer_profil_utilisateur(articles_consultes)
scores = catalogue_embs @ profil
# Isključi već pregledane članke
for i, a in enumerate(articles):
if a["id"] in articles_consultes:
scores[i] = -1
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# Korisnik koji je čitao ML i duboko učenje
recos = recommander_pour_utilisateur(["a1", "a2"], k=3)
print("Povijest: ML + PyTorch")
print("Preporuke:")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Preporuke s tekstualnim upitom
Bihevioralni profil ignorira jednu stvar koju korisnik zna bolje od tebe: što danas traži. Budući da je katalog već kodiran, trebaš samo kodirati frazu slobodnog teksta kako bi upitao isti prostor. „Želim naučiti kako stvoriti API-je“ izvlači članak o FastAPI-ju, čak i ako povijest čitatelja sadrži samo strojno učenje. Ovo je također jedina opcija dostupna za posjetitelja o kojem ne znaš ništa.
def recommander_par_interet(
description: str,
k: int = 3
) -> list[dict]:
"""Preporučuje članke na temelju opisa interesa."""
query_emb = client.embeddings.create(
input=description,
model="text-embedding-3-large"
).data[0].embedding
scores = catalogue_embs @ np.array(query_emb)
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# "Želim naučiti kako stvoriti API-je"
recos = recommander_par_interet("créer des APIs web en Python")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Raznolikost preporuka
Sortiranje po čistoj sličnosti proizvodi vidljiv nedostatak u produkciji: pet preporuka izgleda isto. Čitatelj članka o CNN-u dobiva pet varijanti računalnog vida, dok bi druga ili treća sugestija mogle otvoriti vrata transformerima.
MMR (Maximal Marginal Relevance) to popravlja odabirom članaka jedan po jedan: u svakom krugu bira onaj koji maksimizira relevantnost za upit, umanjenu za maksimalnu redundanciju s već odabranima. Parametar lambda_param postavlja kompromis – na 1.0 dobivaš klasično sortiranje, na 0.5 snažno favoriziraš raznolikost, a zadana vrijednost 0.7 daje relevantan popis koji „diše“.
def recommander_divers(
query_emb: np.ndarray,
k: int = 5,
lambda_param: float = 0.7
) -> list[int]:
"""MMR: balansira relevantnost i raznolikost."""
scores = catalogue_embs @ query_emb
candidats = list(range(len(articles)))
selectionnes = []
for _ in range(k):
if not candidats:
break
meilleur_score = -float("inf")
meilleur_idx = -1
for idx in candidats:
# Relevantnost
pertinence = scores[idx]
# Maksimalna redundancija s već odabranima
if selectionnes:
sims_selectionnes = [
float(np.dot(catalogue_embs[idx], catalogue_embs[s]))
for s in selectionnes
]
redondance = max(sims_selectionnes)
else:
redondance = 0
# MMR rezultat
mmr_score = (
lambda_param * pertinence
- (1 - lambda_param) * redondance
)
if mmr_score > meilleur_score:
meilleur_score = mmr_score
meilleur_idx = idx
selectionnes.append(meilleur_idx)
candidats.remove(meilleur_idx)
return selectionnes
Ključne točke
- Ugradnje omogućuju preporuke po sličnosti sadržaja
- Korisnički profil gradi se prosječnim vrijednostima pregledanih ugradnji
- Vaganje po novosti daje veću težinu nedavnim pregledima
- MMR raznolikuje preporuke kažnjavanjem redundancije