Комментарии 4
«вероятность покупки j-го элемента при условии покупки i-го»
Эта вероятность, ИМХО, стремится к 50%: либо купит, либо нет.
А посмотрев на рекламу/рекомендации поисковиков, когда после покупки вся реклама о том что уже купил, можно предположить, что стремится к нулю.
Привет!
Спасибо большое, Денис, за хорошую статью!
Во время чтения части статьи под заголовком «Как генерировать объяснение» появился вопрос после прочтения фразы:
«Рекомендуем вам кофейню, потому что вы были в строительном магазине»
Не будет ли точнее для генерации ответов также сопоставлять MCC каждого магазина? Если человек совершает транзакцию, то в информации о его авторизации есть вышеупомянутый код.
Так можно хорошо разграничить классы магазинов и вероятность возникновения проблемы генерации «не правильного» магазина будет сведена к 0
Модели, которые мы использовали в своем эксперименте основаны только на взаимодействиях пользователя, то есть они не могут учитывать какие-то внешние признаки, вроде MCC.
Так можно хорошо разграничить классы магазинов и вероятность возникновения проблемы генерации «не правильного» магазина будет сведена к 0
Мы этого пытались добиться, используя SimCatALS, то есть магазины внутри одной категории имели больший приоритет, нежели любые другие. Но как видно из таблицы с метриками, это сработало хуже, чем просто использовать порядок от ALS.
Разграничение классов еще накладывает проблему "замкнутости", то есть можно лишить себя хороших кроссдоменных объяснений, вроде "рекомендуем вам забронировать номер в отеле, потому что вы купили билет в турцию". Категории магазинов разные, но объяснение то все равно хорошее)
Как мы нашли способ объяснять пользователям, почему рекомендуем именно эти магазины