Report basati sull'apprendimento automatico
Netflix, Amazon e molte altre aziende utilizzano "motori di raccomandazione". Potresti averlo visto quando acquisti qualcosa su Amazon, generalmente ti consiglia altri prodotti. Se hai guardato Netflix, offrirà anche programmi TV e film consigliati.
Abbiamo applicato lo stesso processo all'utilizzo della tecnologia premium su tutta Internet. Ciò ci consente di prevedere quali tecnologie un sito web potrebbe prendere in considerazione di utilizzare in base a ciò che stanno facendo i siti web con siti simili (in base all'utilizzo della tecnologia premium).
Come funziona
- Per ogni sito web con una spesa tecnologica sostanziale troviamo le tecnologie corrispondenti
- Utilizziamo la quantità di crossover per determinare il peso che il sito web ha per i suoi consigli. Pertanto, se un sito web corrisponde a molte tecnologie, qualsiasi tecnologia premium non utilizzata dal sito è fortemente consigliata rispetto a quando i siti web corrispondono a un numero inferiore di tecnologie premium
In questo esempio Overstock ha consigli per Arup e viceversa. La ponderazione delle raccomandazioni non è così forte in quanto il loro incrocio tecnologico di corrispondenza è piuttosto basso (la maggior parte delle tecnologie premium non sono condivise).
Perché non utilizziamo un vero modello di intelligenza artificiale come la fattorizzazione a matrice per farlo?
Ci abbiamo provato, ma i risultati del set di dati erano molto scarsi e i modelli di intelligenza artificiale utilizzano "numeri magici" su cui non abbiamo alcun controllo o alcuna reale comprensione di ciò che fanno. Un buon esempio di ciò è nel codice MatrixFactorizationTrainer qui< /a> c'è un riferimento "Per risultati migliori utilizzare quanto segue" e poi due variabili senza alcuna spiegazione del motivo per cui producono risultati migliori.
L'algoritmo che utilizziamo ha una metodologia molto chiara, capiamo come viene implementato e perché funziona.
Funziona davvero?
Sì, la pensiamo così: ad esempio i "futuri clienti" di Magento Enterprise generalmente utilizzano già "Magento" come tecnologia. Non abbiamo detto al sistema che queste due tecnologie sono correlate o che i clienti Magento Enterprise avrebbero logicamente iniziato con Magento.
Endpoint API raccomandazioni
Sì, puoi accedere ai dati tramite un endpoint API che fornisce risposte JSON e XML - https://api.builtwith.com/recommendations-api.
Crea i tuoi modelli
Devi utilizzare BuiltWith Datasets per ottenere i dati sottostanti per creare i tuoi propri modelli.