İçeriğe geç
parazade
Yapay Zeka

İçerik Tabanlı Filtreleme Nedir?

İngilizce: Content-Based Filtering

Yayın: · Son güncelleme:

İçerik Tabanlı Filtreleme Nedir? Kısaca

İçerik tabanlı filtreleme, bir kullanıcının daha önce beğendiği öğelerin tür, konu, anahtar kelime gibi özelliklerini çıkarıp bu özelliklere benzeyen yeni öğeleri öneren bir öneri sistemi yöntemidir.

İçerik Tabanlı Filtreleme nedir?
İçindekiler
  1. İçerik tabanlı filtreleme nedir?
  2. Nasıl çalışır?
  3. Artıları ve eksileri

İçerik tabanlı filtreleme, öneri yaparken diğer kullanıcılara değil, öğelerin kendi özelliklerine ve senin geçmiş tercihlerine bakan bir yöntemdir. Bilim kurgu filmleri izliyorsan sana yeni bir bilim kurgu filmi önermesi bu yaklaşımın tipik örneğidir.

İçerik tabanlı filtreleme nedir?

Her öğe bir özellik kümesiyle tanımlanır: Bir film için tür, yönetmen, oyuncular ve konu; bir haber için anahtar kelimeler ve kategori; bir ürün için marka, renk ve fiyat aralığı gibi. Sistem, senin etkileşime girdiğin öğelerden bir kullanıcı profili oluşturur ve bu profile en çok benzeyen öğeleri sıralar.

Nasıl çalışır?

  1. Özellik çıkarımı: Metinler için TF-IDF ya da embedding gibi yöntemlerle öğeler sayısal vektörlere dönüştürülür.
  2. Profil oluşturma: Beğendiğin öğelerin vektörleri birleştirilerek tercihlerini temsil eden bir vektör elde edilir.
  3. Benzerlik hesabı: Profil ile aday öğeler arasındaki benzerlik, çoğu zaman kosinüs benzerliğiyle ölçülür ve en yakın öğeler önerilir.

Örneğin varsayımsal bir haber uygulamasında yenilenebilir enerji konulu birkaç yazıyı sonuna kadar okuduysan, uygulama "güneş paneli" ve "rüzgâr enerjisi" kelimelerini içeren yeni yazıları öne çıkarabilir.

Artıları ve eksileri

Artıları:

  • Başka kullanıcıların verisine ihtiyaç duymaz.
  • Yeni eklenen bir öğe, özellikleri bilindiği anda önerilebilir.
  • Önerinin nedeni kolayca açıklanabilir.

Eksileri:

  • Sürekli benzer öğeler önererek çeşitliliği azaltabilir; buna aşırı uzmanlaşma denir.
  • Özellikleri iyi tanımlamak emek ister.
  • Hiç etkileşimi olmayan yeni kullanıcı için profil oluşturulamaz.

Bu nedenle yöntem çoğu zaman işbirlikçi filtreleme ile birlikte hibrit sistemlerde kullanılır.

Sıkça Sorulan Sorular

İçerik tabanlı filtreleme ile işbirlikçi filtreleme arasındaki fark nedir?

İçerik tabanlı filtreleme öğelerin özelliklerine ve senin geçmişine bakar. İşbirlikçi filtreleme ise öğenin ne olduğuyla ilgilenmez; sana benzeyen kullanıcıların davranışlarından yola çıkarak öneri yapar.

İçerik tabanlı filtreleme soğuk başlangıç sorununu çözer mi?

Kısmen çözer. Yeni bir öğe özellikleri bilindiği için hemen önerilebilir. Ancak hiç geçmişi olmayan yeni bir kullanıcı için profil çıkarılamadığından o tarafta sorun devam eder.

İlgili terimler

İşbirlikçi Filtreleme(Collaborative Filtering)İşbirlikçi filtreleme, bir kullanıcıya öneri yaparken ona benzer zevklere sahip diğer kullanıcıların beğendiklerini ya da birlikte tercih edilen öğeleri temel alan, öneri sistemlerinde yaygın kullanılan bir yöntemdir.Öneri Sistemi(Recommender System)Öneri sistemi (recommender system), kullanıcıların geçmiş davranışlarını, tercihlerini ve benzer kullanıcıların hareketlerini analiz ederek ilgilenebilecekleri ürün, film, şarkı, haber ya da içerikleri tahmin edip sunan yapay zekâ sistemidir.TF-IDFTF-IDF (Term Frequency–Inverse Document Frequency), bir kelimenin bir belgedeki önemini; o belgede ne sıklıkla geçtiği ile tüm belge koleksiyonunda ne kadar nadir olduğunu çarparak ölçen bir metin ağırlıklandırma yöntemidir.EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını sayılardan oluşan bir vektörle temsil etme yöntemidir. Anlamca birbirine yakın içeriklerin vektörleri de birbirine yakın olduğu için anlamsal arama ve RAG sistemlerinin temelini oluşturur.Özellik(Feature)Özellik (feature), makine öğrenmesinde her bir örneği tanımlayan ve modelin tahmin yaparken girdi olarak kullandığı ölçülebilir nitelik ya da değişkendir. Örneğin ev fiyatı tahmininde metrekare, oda sayısı ve konum birer özelliktir.Vektör(Vector)Vektör, matematikte hem büyüklüğü hem yönü olan bir nicelik; yapay zekâda ise sıralı bir sayı listesidir. Metin, görsel ya da kullanıcı gibi nesneler vektörlerle sayısal olarak temsil edilir ve karşılaştırılır.