Wie funktionieren Buchempfehlungsalgorithmen?
Da ich meine Hände nicht unter die Haube stecke, kann ich mir nur vorstellen, wie sie funktionieren. Auf einer Online-Buchverkaufsplattform wird ein erster Algorithmus für maschinelles Lernen (bzw maschinelles Lernen), bekannt als Kategorisierung, klassifiziert Benutzer nach ihrem statischen Profil und ihrem dynamischen Profil. Das statische Profil enthält alle vom Nutzer bei der Registrierung explizit gemachten Angaben wie Alter, Geschlecht und Lesevorlieben (Science-Fiction, Essays, Comics etc.). Das dynamische Profil enthält alle Informationen im Zusammenhang mit ihrem Verhalten auf der Plattform, wie z. B. die Art der Bücher, die sie kaufen (Taschen- oder Taschenbuchformat, Belletristik oder Essay, Art der Literatur – romantische Komödie, Klassik, Theater usw.), ihren Kauf Häufigkeit oder sogar die Art des Buches, bei dem sie auf der Plattform anhalten. Aus diesen Informationen erstellt der Kategorisierungsalgorithmus Klassen von Benutzern entsprechend der statistischen Ähnlichkeit in ihren Statiken und Profilen.
Um dieses Dokument herunterzuladen, müssen Sie zunächst den entsprechenden Artikel erwerben.
Im Gegenzug wird daher ein sogenannter Empfehlungsalgorithmus einem neuen Benutzer, dessen Klasse wir aus der Projektion seiner Daten in den Klassenraum kennen, ein Buch empfehlen, das einem anderen Benutzer seiner Klasse gefallen hat, mit der Idee, theoretisch dass er es auch lieben wird. Dazu muss eine sogenannte explizite Algorithmuskomponente hinzugefügt werden, die durch Filterung der Ergebnisse in die Ergebnisse des Kategorisierungsalgorithmus eingreift. Wenn der Benutzer beispielsweise keine Romane lesen möchte, ist es unwahrscheinlich, dass der Algorithmus sie vorschlägt.
Um dieses Dokument herunterzuladen, müssen Sie zunächst den entsprechenden Artikel erwerben.
Ist die Rolle von Algorithmen lediglich eine Widerspiegelung von Trends oder beeinflusst sie aktiv die Entscheidungen der Leser?
Auf jeden Fall beides! In der Praxis und explizit werden die Bücher, die sich am meisten verkaufen, möglicherweise stärker auf der Plattform hervorgehoben, unabhängig von der Klasse, der der Benutzer angehört, oder den Lesepräferenzen, die er bei der Registrierung angegeben hat. Hinzu kommt, dass hier eine Art Kreis entsteht: Je mehr ein Buch empfohlen wird, desto häufiger wird es gesehen und gekauft und desto häufiger wird es anschließend weiterempfohlen. In dieser Hinsicht muss die Art und Weise, wie Empfehlungsalgorithmen entworfen werden, diesen Effekt berücksichtigen, indem eine statistische Gewichtung auf die Ergebnisse des Vorschlags angewendet oder die Funktionsweise des Algorithmus direkt beeinflusst wird.
Was sind die Vor- und Nachteile von Empfehlungsalgorithmen?
Der Vorteil besteht darin, personalisierte Empfehlungen auf der Grundlage von Benutzerverhaltensdaten zu erhalten, indem der Algorithmus starke und schwache Signale ihrer Lesepräferenzen erfassen kann. Allerdings können diese Algorithmen – wenn sie einigermaßen gut konzipiert sind oder wenn sie ein Geschäftsmodell des Impulskaufs ohne eine Strategie der tiefen Zufriedenheit unterstützen – eine überraschende Entdeckung verhindern oder Benutzer in Leseblasen sperren. In der Praxis werden dem Leser meist Bücher empfohlen, die von ihm ähnlichen Lesern gelesen werden.
Besteht die Gefahr, dass die Verkaufsanalyse die redaktionelle Vielfalt untergräbt?
Dieser Effekt existiert schon immer und ist nicht spezifisch für algorithmische Empfehlungen. Was ich an Algorithmen interessant finde, ist die Analyse von Leserpräferenzen und -verhalten, um bestimmte Erfolge oder Misserfolge zu verstehen. Aber Verlage und Buchhändler sollten nicht weniger Risiken eingehen, wenn es um algorithmische Maschinen geht, die die Präferenzen der Leser und damit künftige Verkäufe beeinflussen.
Begünstigen Algorithmen tendenziell große Verkäufer oder fördern sie das Aufkommen kleinerer Anbieter?
Schwer zu sagen. Zu diesem Punkt konnte ich keinen Kommentar abgeben. In der Praxis ist dies möglich, wenn ein einfacher gestalteter Algorithmus große Verkäufe hervorhebt, ohne die Empfehlung weiter zu personalisieren.
„Empfehlungsalgorithmen müssen in idealer Ergänzung zu unseren Super-Buchhändlern aus Fleisch und Blut existieren! »
Wie kann die Einzigartigkeit von Buchhandlungen bewahrt werden?
Habe die besten Buchhändler, wie meinen! (Lachen.) Der Empfehlungsalgorithmus wird niemals besser sein als ein Buchhändler mit seinen Emotionen, seiner praktischen und kreativen Intelligenz, seinem Instinkt und seiner Intuition. Da sie alle Komponenten der Intelligenz beherrschen, die die Maschine nicht beherrscht, überraschen sie mich regelmäßig mit Vorschlägen, die mir kontraintuitiv erscheinen, mir aber in Wirklichkeit sehr gefallen! Mein Buchhändler Fred von der Librairie Tome 7 in Paris hat immer recht, wenn er mir Romane empfiehlt, auch wenn ich nur wenige davon lese und mich nicht von Natur aus zu ihnen hingezogen fühle.
Welche Risiken birgt ein durch KI homogenisierter Markt?
Verhindern Sie die Existenz aller Formen kulturellen Wandels durch das Aufkommen eines neuen literarischen Stils oder durch einen Autor, der der breiten Öffentlichkeit unbekannt ist. Allerdings können Empfehlungsalgorithmen hilfreich sein, aber denken wir daran, dass diese Algorithmen dazu dienen, Plattformen zu betreiben, die oft von Nicht-Buchhändlern betrieben werden, die ohne besondere Verpflichtung zum Lesen (was Buchhändler haben können) darauf abzielen, Gewinn zu machen.
Bedeuten die „Leseblasen“, die Algorithmen erzeugen, nicht, dass sie langfristig unsere Neugier und alles, was uns auf das Unbekannte treibt, auslöschen?
Deshalb müssen Empfehlungsalgorithmen in idealer Ergänzung zu unseren Super-Buchhändlern aus Fleisch und Blut existieren! Deshalb haben auch Radio, Fernsehen, Podcasts und andere Sendungen eine rosige Zukunft.
Related News :