Sistemas de recomendação são sistemas que fazem recomendações para os usuários com base nos dados que eles inseriram no sistema. Quanto mais dados o usuário forneceu, mais precisos esses sistemas podem ser. Além disso, os dados enviados por usuários individuais ajudam a melhorar o sistema em geral, gerando informações que podem ser usadas para fazer recomendações para outros usuários. Os sistemas de recomendação são comumente vistos em sites como sites de crítica de cinema e televisão e naqueles com grandes estoques de itens de varejo que seriam funcionalmente impossíveis de navegar olhando todos os itens.
Esses sistemas podem interagir com os usuários de várias maneiras diferentes. Um é como um serviço para usuários que procuram mais coisas em que possam se interessar, como leituras adicionais, programas de televisão ou videogames. Nesses sistemas, o usuário gera uma lista de gostos e desgostos e o sistema tenta prever como o usuário votará nas coisas em que ainda não votou. Se ele acha que algo teria uma classificação alta, sugere ao usuário.
Sistemas de recomendação bem projetados aprendem com seus erros. Um sistema pode recomendar The Sound of Music porque um usuário gostou de Willy Wonka & the Chocolate Factory. O usuário pode selecionar opções como “eu gosto disso” ou “eu não gosto disso”. Se o usuário não gostar do The Sound of Music, o sistema poderá tomar nota e refinar ainda mais o algoritmo usado para gerar recomendações. Quanto mais dados forem acumulados, mais úteis serão as recomendações.
Os sites de varejo usam sistemas de recomendação para atrair as pessoas a fazerem compras por impulso. O sistema toma nota dos itens adquiridos e recomenda itens relacionados e úteis. Por exemplo, alguém que está comprando uma câmera pode ser perguntado se deseja comprar um carregador, um estojo para câmera, filtros e lentes adicionais. Alguém que compra um livro sobre teoria feminista pode ser informado de que outros compradores desse título também desfrutam de outro título relacionado. Esses tipos de sistemas de recomendação permitem marketing personalizado com grande probabilidade de atrair usuários.
Esses sistemas dependem da filtragem colaborativa de dados, na qual dados de grande número de usuários são organizados de maneira significativa. Isso permite que o site faça conexões que de outra forma não seriam aparentes, melhorando a qualidade das recomendações. Usuários que não desejam participar geralmente podem alterar as opções em suas configurações de usuário, mas reduzirão a qualidade das recomendações que recebem, porque o sistema não pode aprender com as preferências do indivíduo, apenas com a opinião coletiva de outros usuários.
Inteligente de ativos.