Barbara, Borbála
-6 °C
3 °C

Mátrixfaktorizáció egymillió dollárért

2009.08.07. 00:22
A Gravity nevű magyar csapat is tagja annak az együttműködésnek, amely a nem hivatalos végeredmény szerint megnyerte a Netflix nevű amerikai dvd-kölcsönző által kiírt versenyt, ám győztest még nem hirdettek, mert az eredmény nagyon szoros. A 2006 óta tartó Netflix Prize tétje egymillió dollár, célja pedig a kölcsönző ajánlórendszere teljesítményének legalább 10 százalékos javítása volt. A magyar programozókból álló csapat időközben céggé alakult, és a piacon is ajánlórendszereket fejlesztenek.

A Netflix az Egyesült Államok legnagyobb dvd-kölcsönzője: az ügyfelek fix havidíjért kölcsönözhetik a dvd-ket, egyszerre legfeljebb hármat, de havonta tetszőleges mennyiséget. A megnézett filmeket postán kell visszaküldeni, a kikölcsönzött alkotásokat ekkor egy ötpontos skálán értékelhetik. Az értékelések azért nagyon fontosak, mert egy idő után mindenki eljut arra a pontra, hogy az általa ismert és kedvelt filmeket már mind látta. Innentől kezdve a felhasználók egyre inkább arra az ajánlórendszerre támaszkodnak, amely a saját, valamint mások értékelései alapján további filmeket javasol nekik.

nx1

Ilyen ajánlórendszereket ma már minden magára valamit is adó online áruház, könyv-, film-, és zenebolt működtet, a legismertebb talán az Amazon szintén a felhasználói vásárlásokon, értékeléseken alapuló ajánlórendszere.

A Netflix rendszerében nagyjából százezer film hozzáférhető, ezért egyszerű böngészéssel elég reménytelen feladat a nekünk esetleg tetsző alkotások felkutatása az óriási kínálatban. A jó ajánlórendszer azonban olyan filmeket javasol, amelyek bejönnek a vásárlóknak, így nő az átlagos ügyfélélettartam, ami jelentős bevételt generál a cégnek. Ha a Netflix esetében a jelenleg 6-7 millió felhasználónál átlagosan csak 1 hónappal nő az ügyfélélettartam, az a havi 15 dolláros előfizetési díjjal számolva 90-100 millió dolláros pluszbevételt hoz a cégnek. Tehát az ajánlórendszer minősége üzleti szempontból is nagyon fontos a Netflixnek, ezért írták ki a versenyt 2006 októberében.

A Netflix Prize tétje egymillió dollár, a verseny akkor ér véget, ha valamelyik csapat legalább 10 százalékkal megjavítja a Netflix ajánlórendszere, a Cinematch teljesítményét egy nyilvánosságra hozott halmazon. Ebbe a halmazba nagyjából 18 ezer felhasználónak 480 ezer filmre adott 100 millió értékelése került, a versenyzőknek a felhasználói azonosítókból, a filmek címéből és az értékelésekből álló mátrixokon kellett dolgozniuk. Egy másik, hasonló adathalmazon az értékelések nem voltak megadva, a feladat tehát az ebbe a halmazba tartozó értékelések lehető legjobb becslése volt. A verseny állását egy publikus hirdetőtáblán követhették az egymillió dolláros fődíjjal motivált programozócsapatok.

Szoros befutó

A versenyre több ezer csapat nevezett, köztük egy magyar. A Budapesti Műszaki Egyetem oktatói és hallgatói – Tikk Domokos, Takács Gábor, Pilászy István és Németh Bottyán – Gravity néven indultak, 2007 januárjában az élre kerültek, többször vezettek hónapokig, és mindig az élmezőnyben voltak a verseny folyamán. Egy év elteltével összeálltak egy másik csapattal, a kaliforniai Berkeley diákjaiból álló Dinosaur Planettel, hogy megelőzzék az akkor vezető Bellkor nevű csapatot. Ez majdnem sikerült, a Gravity és a Bellkor azóta is fej-fej mellett haladt.

A verseny végén a csapatok különféle együttműködésekkel próbálták javítani esélyeiket: a Gravity 2009 elején megalapította a több csapatot tömörítő Grand Prize Team (GPT) nevű szupercsapatot, hogy minél hamarabb elérjék az áhított 10 százalékos küszöböt. Ez azonban egy másik szupercsapatnak, a Bellkor's Pragmatic Chaosnak (BPC) sikerült hamarabb, és ezzel júniusban elkezdődött a verseny utolsó 30 napos szakasza. A GPT és egy harmadik együttműködés ekkor The Ensemble néven egyesült, de ennek a csapatnak is a magyar Takács Gábor és a Gravity volt a vezetője. A harminc nap elteltével ők végeztek az élen 10,10 százalékos eredménnyel, a BPC pedig 0,01 százalékkal lemaradva futott be a második helyen.

nx3

Az egymillió dolláros fődíj sorsa azonban ezzel még nem dőlt el, ugyanis a 10 százalék felett teljesítő csapatoknak más módszerrel is kiértékelik az eredményeit. A szoros befutó miatt a BPC is győztesként ünnepli magát, a Netflix pedig még nem hirdetett végeredményt. A magyarok mindenesetre reménykednek – mondta Tikk Domonkos csapattag, a BME kutatója.

Üzleti sikerek

A versennyel járó publicitás és szakmai elismertség már így is sokat hozott a magyar csapat konyhájára: a Gravity 2007 végén Gravity R&D néven céggé alakult, hogy az ajánlórendszer optimalizálása terén szerzett tapasztalatait az üzleti életben is kamatoztassa. Tavaly megnyerték a Valdeal projektversenyét az IT területen, és a Strands ajánlórendszereket fejlesztő induló cégeknek hirdetett, százezer dolláros befektetési ajánlattal járó versenyét. Jelenleg már több cégnek is fejlesztenek ajánlórendszert, köztük egy olasz mobilszolgáltatónak és egy amerikai online közösségi hálózatnak. A Gravity R&D befektetés előtt áll, több érdeklődővel is tárgyalnak a programozókból lett alapító-tulajdonosok.

Tikk szerint óriási a piac: a kulturális termékeken (könyven, filmen, zenén) túl ajánlórendszerekre van szükség a kulturális rendezvényeket (például színházat, koncerteket), az utazásokat, a szállásokat, sőt a banki termékeket értékesítő weboldalaknak is. A módszerükről csak annyit árult el a kutató, hogy a felhasználói értékelések alapján sokkal jobban lehet becsülni a filmek „jóságát”, mint az azokról nyilvánosan elérhető adatbázisokban, például az IMDB-n fellelhető szöveges információk alapján, ezért döntően matematikai módszerekkel, például mátrixfaktorizációval dolgoztak a verseny során.

nx2

Magyarországon ajánlórendszereket fejleszt egy másik cég, a Scarab Research is, ők fejlesztették például a Bookline online könyváruház ajánlórendszerét. Maróy Ákos, a Scarab Research technológiai igazgatója szerint a személyre szabott ajánlások és a relevancia kérdése nagyon izgalmas és aktív kutatási témakör, mivel végső soron a vásárlók fejében zajló döntési folyamatok megértéséről és modellezéséről van szó, az ajánlórendszerek hasznosságának végső mértéke pedig a vásárlók elégedettsége lesz.

A cikket itt lehet kommentálni

Oszd meg élményeidet!

Oszd meg nyári élményeidet más utazókkal is, tölts fel beszámolót, fotókat!

Ha már erre járok beugrom

..tényleg ez történt, Palau és Mikronézia szigeteit járva úgy döntöttem, hogy Saipanra is átugrom.