Здравствуйте, bnk, Вы писали:
bnk>Здравствуйте, gandjustas, Вы писали:
bnk>>>Почему нет? Вот пример:
G>>Потому что по твоему запросу паяльный фен не нашел.
bnk>Зато нашел кучу другого всего? Зачем фиксирваться на паяльном фене?
Это как пример рекомендации, про которую ИИ по какой-то причине не знает.
bnk>>>Добавить нечеткий поиск по базе товаров (embeddings вроде уже все основные базы научились делать) и вот тебе готовый рекомендатор?
G>>Боюсь представить сколько оно стоить будет. Хотя для новых категорий и «холодного старта» неплохая штука.
bnk>Даже SQL SERVER научился из коробки. Или ты о чем? Не очень понял.
bnk>Идея такая — для каждого товара делаем embedding, из запроса тоже, а потом просто век поиск по ближайшему рассноянию. Вот тут видео есть:
bnk>https://rsdn.org/forum/db/8936774Автор: BlackEric
Дата: 21.05.25
Предположим у тебя есть эмбедденги всех товаров, например из названия и описания, и у тебя есть история купленных товаров и их эмбеддинги. Как ты из истории поймешь какие товары рекомендовать? Просто найдешь похожие? Так ведь суть в том, чтобы найти товары дополняющие.
Тебе придется генерировать промпт вроде "я две недели назад купил паяльник, месяц назад дилдо, что мне купить сегодня? Напиши ответ в виде списка JSON..."
Он тебе даст список категорий. Потом тебе из этого спсика категорий надо будет как-то получить эмбеддинг для каждой, найти товар в базе и выдать рекомендации.
Кстати кстати тоже делаются ИИ
https://platform.openai.com/docs/guides/embeddings, оно конечно дешевое, но вовсе небесплатное.
bnk>>>Мне кажется с таким даже "настольная" LLM справится одной левой?
G>>Сделает вид что справится. Перепроверять человек должен.
bnk>Ну рекомендация такая вещь, не знаю. Люди тоже не обязательно в тему рекомендуют, но часто угадывают.
Рекомендации такая вещь, которая должна повышать "продажи". То есть подсовывать человеку то, что он захочет, даже если не знает об этом, не знает как это называется и как это найти.
Алгоритмы рекомендацию анализирует поведение других людей. Чем больше у вас совпала история покупок и еще какие-то характеристики, тем больше вероятность что следующие покупки тоже совпадут.
При этом связь может быть неочевидной и доверить поиск связи тоже можно нейросетям. Но в итоге мы все равно получим результат, который зависит от истории покупок, а не просто от обобщенных знаний из текста в интернете.
