Matchmaking mit Deep Learning: Empfehlungssysteme für Dating

· Thomas Wood
Matchmaking mit Deep Learning: Empfehlungssysteme für Dating

Erweitern Sie Ihr Team mit NLP-Spezialisten

Entfesseln Sie das Potenzial Ihrer NLP-Projekte mit dem richtigen Talent. Veröffentlichen Sie Ihre Stelle bei uns und ziehen Sie Kandidaten an, die genauso leidenschaftlich über natürliche Sprachverarbeitung sind.

NLP-Experten einstellen

Empfehlungssysteme im Einzelhandel

Wenn Sie schon einmal etwas bei Amazon oder anderen großen Online-Händlern gekauft haben, werden Sie die „ähnlichen Produkte“ bemerkt haben, die Ihnen die Site nach dem Kauf empfiehlt. Manchmal sind das nicht die besten Vorschläge, aber meiner Erfahrung nach treffen sie meistens ins Schwarze.

Dies ist ein Bereich des maschinellen Lernens, der als Empfehlungssysteme bezeichnet wird.

Wie funktionieren Empfehlungssysteme? Bei Online-Händlern besteht der Standardansatz darin, riesige Matrizen auszufüllen und die Beziehungen zwischen verschiedenen Produkten herauszufinden. Sie können dann sehen, welche Produkte normalerweise zusammen in den gleichen Warenkorb passen, und entsprechende Empfehlungen aussprechen. Dies wird als kollaboratives Filtern bezeichnet und funktioniert hauptsächlich deshalb, weil die meisten Produkte Tausende oder Millionen Mal gekauft wurden, sodass wir die Muster erkennen können.

A table of products and how often they are bought together. This is the basis of collaborative filtering, which is one recommender systems algorithm.

Fast Data Science - London

Need a business solution?

Führend in den Bereichen NLP, ML und Data Science seit 2016 – kontaktieren Sie uns für eine NLP-Beratungssitzung.

Eine Tabelle mit Produkten und Angaben dazu, wie oft sie zusammen gekauft werden. Dies ist die Grundlage für kollaboratives Filtern, einem Algorithmus für Empfehlungssysteme.

Empfehlungssysteme für Dating

Stellen Sie sich nun vor, Sie betreiben eine Dating-Website. Vereinfachen wir das Ganze und sagen, Ihre Website bietet nur männliche und weibliche Paare an. Wie empfehlen Sie einem männlichen Benutzer, der sich gerade registriert hat, eine Frau?

Jetzt wird es knifflig: Es gibt viele Nutzer, es registrieren sich laufend neue Nutzer und die meisten Nutzer haben nur wenige Kontaktanfragen gestellt.

In diesem Fall können wir mit dem arbeiten, was wir haben:

  • Der Profiltext des Benutzers
  • Das Profilfoto
  • Die Kontaktanfragen, sofern vorhanden.

Empfehlungssysteme für Text

Ein Ansatz, den ich gerne verwende, ist ein Deep-Learning-Ansatz namens „ Vektoreinbettungen“ , der wie folgt funktioniert:

  • Sie können jeden Profiltext in einen „Fingerabdruck“ umwandeln. Dies könnte beispielsweise ein Vektor im 100-dimensionalen Raum sein.
  • Der 100-dimensionale Vektor allein ist bedeutungslos, aber Menschen mit ähnlichem Geschmack sollten am Ende ähnliche Vektoren haben.
  • Wenn Sie einem neuen Benutzer Empfehlungen geben möchten, können Sie dessen Vektor und die Entfernung zu anderen Vektoren berechnen und seine nächsten Nachbarn finden!
A dating recommender system might assign all users to a location in vector space, and match users who appear close together.

Ein Dating-Empfehlungssystem könnte alle Benutzer einem Standort im Vektorraum zuordnen und Benutzer zusammenführen, die nahe beieinander liegen.

Der schwierige Teil ist natürlich, wie man von einem Profiltext und -bild zu einem Vektor gelangt. Dies ist etwas, was Convolutional Neural Networks (CNNs) sehr gut können.

Anwendungen textbasierter Empfehlungssysteme in anderen Branchen

Auch in anderen Branchen können Vektoreinbettungen für die Abgabe von Empfehlungen nützlich sein:

  • Rekrutierungswebsites, auf denen Kandidaten einen Lebenslauf hochgeladen haben und Sie Jobs empfehlen möchten.
  • Immobilienverkauf, bei dem Sie eine Beschreibung des Hauses und ein Foto haben.
A house sale website recommender system might need to make use of text and image data

Ein Empfehlungssystem für eine Website zum Hausverkauf muss möglicherweise Text- und Bilddaten verwenden

Es gibt Standard-Empfehlungssysteme, die Sie für Online-Einzelhandel oder Filmempfehlungen verwenden können. Für text- oder bildbasierte Empfehlungen benötigen Sie jedoch eine individuelle Lösung, und deren Erstellung ist äußerst komplex.

Ich habe Fast Data Science Ltd gegründet, um Beratungsdienste in diesem Bereich anzubieten, nachdem ich 10 Jahre Erfahrung mit maschinellem Lernen auf Basis natürlicher Sprachdaten gesammelt habe. Wenn Sie viele Text- oder Bilddaten haben und ein benutzerdefiniertes Empfehlungssystem erstellen möchten, würde ich mich freuen, von Ihnen zu hören. Bitte kontaktieren Sie mich hier oder schreiben Sie unten einen Kommentar.

Entdecken Sie Ihre Zukunft in NLP!

Tauchen Sie ein in die Welt der Natürlichen Sprachverarbeitung! Entdecken Sie modernste NLP-Rollen, die zu Ihren Fähigkeiten und Leidenschaften passen.

NLP-Jobs entdecken

Generative KI
Generative ki

Generative KI

Generative KI Einführung Generative KI , ein Teilbereich der KI, verändert Branchen grundlegend und gestaltet die Zukunft. Durch die Nutzung fortschrittlicher Algorithmen kann generative KI Inhalte, Designs und Lösungen erstellen, die zuvor undenkbar waren.

Große Daten
Große daten

Große Daten

Große Daten Das Aufkommen von Big Data hat ganze Branchen revolutioniert und traditionelle Geschäftsmodelle und Entscheidungsprozesse verändert. In dieser umfassenden Untersuchung gehen wir der Frage nach, was Big Data ist, welche erheblichen Auswirkungen es auf die Geschäftsstrategie hat und wie Unternehmen riesige Datenmengen nutzen können, um Innovationen voranzutreiben und sich einen Wettbewerbsvorteil zu verschaffen.

KI im Finanzwesen
Ki im finanzwesen

KI im Finanzwesen

KI im Finanzwesen Die Integration künstlicher Intelligenz (KI) in den Finanzsektor hat die Arbeitsweise von Institutionen revolutioniert, von der Automatisierung von Abläufen bis hin zur Verbesserung der Kundenbindung und des Risikomanagements.

What we can do for you

Transform Unstructured Data into Actionable Insights

Contact us