Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Odporúčania na mieru

Lekcia 19 z 22 Aktualizované 29. júla 2026 Vývojár
Na tejto strane
  1. Ciele
  2. Princíp: Podobnosť sa rovná odporúčaniu
  3. Odporúčanie založené na obsahu
  4. Profil používateľa z histórie
  5. Odporúčanie pomocou textového dopytu
  6. Diverzifikácia odporúčaní
  7. Kľúčové poznatky

Ciele

  • Vytvoriť odporúčací systém založený na vektorových reprezentáciách (embeddings)
  • Implementovať odporúčania založené na obsahu aj na správaní používateľa
  • Riešiť problém studeného štartu a zabezpečiť rozmanitosť výsledkov

Princíp: Podobnosť sa rovná odporúčaniu

Klasický odporúvací engine sleduje správanie: „Ľudia, ktorí čítali tento článok, čítali aj ten.“ Aby mohol povedať niečo užitočné, potrebuje veľkú návštevnosť – to je problém studeného štartu, ktorý postihuje nové katalógy aj články publikované dnes ráno.

Prístup využívajúci vektorové reprezentácie toto čakanie obchádza. Ak sa používateľovi páčil článok, odporučíš mu tie s najbližšími vektormi. Ide o odporúčanie založené na obsahu: spolieha sa na obsah, nie na správanie iných používateľov. Článok publikovaný pred desiatimi minútami, ktorý ešte žiadny čitateľ neotvoril, už má svoj vektor a okamžite sa stáva odporúčateľným.

Odporúčanie založené na obsahu

Nižšie uvedený katalóg zámerne mieša dva svety – strojové učenie na jednej strane a softvérové inžinierstvo na druhej – aby boli výsledky overiteľné. Každý článok je zakódovaný spojením jeho názvu a obsahu: názov zachytáva podstatu témy, obsah poskytuje slovnú zásobu a použitie len jedného z nich zhoršuje kvalitu nájdených susedov.

Fintou je riadok scores[idx] = -1. Bez neho by bol článok najpodobnejší sám sebe so skóre 1,0 – a čitateľovi by si odporúčal to, čo práve dočítal.

from openai import OpenAI
import numpy as np

client = OpenAI()

# Katalóg článkov
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..."},
]

# Indexovanie katalógu
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]:
    """Odporúča k najpodobnejších článkov."""
    idx = next(i for i, a in enumerate(articles) if a["id"] == article_id)
    article_emb = catalogue_embs[idx]

    # Podobnosť so všetkými ostatnými článkami
    scores = catalogue_embs @ article_emb
    scores[idx] = -1  # Vylúčenie samotného článku

    top_k = np.argsort(scores)[-k:][::-1]
    return [
        {"article": articles[i], "score": float(scores[i])}
        for i in top_k
    ]

# Používateľ číta „Úvod do strojového učenia“
recos = recommander_similaires("a1", k=3)
print("Čítal si: Introduction au machine learning")
print("Odporúčania:")
for r in recos:
    print(f"  [{r['score']:.3f}] {r['article']['titre']}")

Profil používateľa z histórie

Odporúčanie založené na jednom článku rýchlo uväzní čitateľa v bubline. Aby si zohľadnil celú jeho cestu, vytvoríš profilový vektor kombináciou vektorov článkov, ktoré si prezrel: tento priemerný bod predstavuje jeho záujmy v rovnakom priestore ako katalóg a následne hľadáš články najbližšie k tomuto bodu.

Čítanie spred šiestich mesiacov by však nemalo vážiť toľko ako včerajšie. Váženie podľa aktuálnosti to rieši: faktor 0.5 ** (n - 1 - i) znižuje váhu na polovicu pri každom kroku späť v histórii. Čitateľ, ktorý sa dlho venoval strojovému učeniu, ale nedávno prešiel na API, uvidí posun v odporúčaniach už po niekoľkých článkoch namiesto toho, aby zostali zamrznuté. Konečná normalizácia vráti profil späť na jednotkovú sféru, čo je podmienkou pre to, aby bol skalárny súčin s katalógom správnou kosínusovou podobnosťou.

def creer_profil_utilisateur(
    articles_consultes: list[str],
    poids_recency: bool = True
) -> np.ndarray:
    """Vytvorí profilový vektor z histórie."""
    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:
        # Nedávne články majú väčšiu váhu
        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)

    # Normalizácia
    profil /= np.linalg.norm(profil)
    return profil

def recommander_pour_utilisateur(
    articles_consultes: list[str],
    k: int = 3
) -> list[dict]:
    """Odporúča články na základe profilu používateľa."""
    profil = creer_profil_utilisateur(articles_consultes)

    scores = catalogue_embs @ profil
    # Vylúčenie už prezeraných článkov
    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
    ]

# Používateľ, ktorý čítal ML a deep learning
recos = recommander_pour_utilisateur(["a1", "a2"], k=3)
print("História: ML + PyTorch")
print("Odporúčania:")
for r in recos:
    print(f"  [{r['score']:.3f}] {r['article']['titre']}")

Odporúčanie pomocou textového dopytu

Behaviorálny profil ignoruje jednu vec, ktorú používateľ vie lepšie ako ty: čo hľadá práve dnes. Keďže katalóg je už zakódovaný, stačí zakódovať voľný textový dopyt, aby si sa opýtal toho istého priestoru. Fráza „Chcem sa naučiť vytvárať API“ vytiahne článok o FastAPI, aj keď história čitateľa obsahuje iba strojové učenie. Je to tiež jediná možnosť dostupná pre návštevníka, o ktorom nič nevieš.

def recommander_par_interet(
    description: str,
    k: int = 3
) -> list[dict]:
    """Odporúča články na základe popisu záujmu."""
    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
    ]

# „Chcem sa naučiť vytvárať webové API v Pythone“
recos = recommander_par_interet("créer des APIs web en Python")
for r in recos:
    print(f"  [{r['score']:.3f}] {r['article']['titre']}")

Diverzifikácia odporúčaní

Zoradenie podľa čistej podobnosti produkuje viditeľnú chybu v produkcii: päť odporúčaní vyzerá rovnako. Čitateľ článku o CNN dostane päť variantov počítačového videnia, hoci druhé alebo tretie odporúčanie mohlo otvoriť dvere transformerom.

MMR (Maximal Marginal Relevance) to opravuje výberom článkov jeden po druhom: v každom kole vyberie ten, ktorý maximalizuje relevantnosť k dopytu mínus maximálna redundancia s tým, čo už bolo vybraté. Parameter lambda_param nastavuje kompromis – pri hodnote 1,0 dostaneš klasické zoradenie, pri 0,5 silno uprednostňuješ rozmanitosť a predvolená hodnota 0,7 poskytuje relevantný zoznam, ktorý dýcha.

def recommander_divers(
    query_emb: np.ndarray,
    k: int = 5,
    lambda_param: float = 0.7
) -> list[int]:
    """MMR: vyvažuje relevantnosť a rozmanitosť."""
    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:
            # Relevantnosť
            pertinence = scores[idx]

            # Maximálna redundancia s už vybranými
            if selectionnes:
                sims_selectionnes = [
                    float(np.dot(catalogue_embs[idx], catalogue_embs[s]))
                    for s in selectionnes
                ]
                redondance = max(sims_selectionnes)
            else:
                redondance = 0

            # Skóre MMR
            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

Kľúčové poznatky

  • Vektorové reprezentácie umožňujú odporúčanie na základe podobnosti obsahu
  • Profil používateľa sa vytvára spriemerovaním vektorov prezeraných článkov
  • Váženie podľa aktuálnosti pripisuje väčšiu váhu nedávnym zobrazeniam
  • MMR diverzifikuje odporúčania penalizáciou redundancie