Pembahasan 6.5
Content-based filtering : Memberikan rekomendasi berdasarkan kemiripan atribut dari item atau barang yang disukai. Pada sistem rekomendasi lagu kemiripan berdasarkan atribut yang dimiliki oleh lagu seperti genre, beat, informasi dari artis
Collaborative filtering : metode pencarian informasi yang merekomendasikan item kepada
pengguna berdasarkan bagaimana pengguna lain dengan preferensi dan perilaku serupa berinteraksi dengan item tersebut .
Cold start or new user : Membuat rekomendasi untuk pengguna yang belum memberikannya informasi ke sistem merupakan sebuah tantangan karena sebagian besar sistem memerlukan titik awal atau sejumlah informasi minimal tentang pengguna (Adomavicius & Alexander, 2005; Burke, 2007). Tiroshi dan rekannya (2011) telah menyarankan sosial yang ada pada konsumen profil media dari situs seperti Facebook dan Twitter dapat digunakan dalam situasi di mana situs web tidak memiliki informasi yang cukup untuk membuat rekomendasi.
Sparsity : keadaan dimana terdapat banyaknya data atau nilai rating yang kosong. Pendekatan CF memiliki tiga kategori yaitu memory-based, model-based, dan hybrid.
Limited feature content : Agar sistem filter konten dapat berfungsi, jumlahnya harus mencukupi informasi yang tersedia tentang fitur produk dan informasi tersebut harus ada dalam suatu struktur format tured sehingga dapat dibaca oleh komputer. Seringkali informasi fitur harus dimasukkan secara manual, yang dapat menjadi penghalang dalam situasi dimana terdapat banyak produk (AdomaVicius & Alexander, 2005)
Overspecialization : sesuatu yang sangat disesuaikan dengan fungsi dalam lingkungan tertentu yang tidak memiliki kemampuan untuk menahan berubah
Hybrid recommendation engines : sistem rekomendasi yang menggabungkan beberapa metode sistem rekomendasi yang ada menjadi satu. Tujuan dari penggabungan ini adalah untuk
mendapatkan kelebihan dan saling menutupi kekurangan dari masing – masing metode sistem rekomendasi yang dipilih.
Weighted hybrid : Hasil dari pemberi rekomendasi yang berbeda diberi bobot dan digabungkan secara numerik untuk menentukan serangkaian rekomendasi akhir. Bobot relatif adalah ditentukan oleh pengujian sistem untuk mengidentifikasi level yang menghasilkan rekomendasi terbaik..
Mixed hybrid : Hasil dari pemberi rekomendasi yang berbeda disajikan berdampingan satu sama lain Cascade hybrid : Pemberi rekomendasi diberi peringkat atau prioritas. Jika terjadi seri (dengan dua produk diberi nilai rekomendasi yang sama), hasil dari sistem berperingkat lebih rendah item digunakan untuk memutuskan hubungan dari sistem berperingkat lebih tinggi
Compound hybrid : Pendekatan ini menggabungkan hasil dari dua sistem pemberi rekomendasi dari kategori teknik yang sama (misalnya, dua filter kolaboratif), tetapi menggunakan algo yang berbeda ritme atau prosedur perhitungan.
Full-text similarity search : Pengguna dapat mengirimkan satu blok teks atau bahkan dokumen lengkap ke dalamnya menemukan konten serupa
Search on semantic/syntactic annotations : Pendekatan ini akan memungkinkan pengguna untuk melakukan indi sebutkan “peran sintaksis yang dimainkan istilah tersebut—misalnya, part-of-speech (kata benda, kata kerja, dll. atau makna semantiknya, baik itu nama perusahaan, lokasi, atau acara.”
Misalnya, pencarian kata kunci pada kata “pusat” akan menghasilkan terlalu banyak hasil.
Concept search : Mesin pencari dapat memberikan hasil dengan konsep terkait. Misalnya, jika pertanyaan aslinya adalah “film Tarantino,” dokumen yang berisi hal tersebut akan dikembalikan kata “film” meskipun bukan kata “film.
Ontology-based search : Ontologi mendefinisikan hubungan antar data. Sebuah ontology didasarkan pada konsep “tiga kali lipat”: subjek, predikat, dan objek. Ini akan memungkinkan mesin pencari untuk menjawab pertanyaan seperti “Sayuran apa yang hijau?” Pencarian mesin akan memberikan hasil tentang “brokoli”, “bayam”, “kacang polong”, “asparagus”, “Brussels kecambah,” dan
seterusnya.
Semantic Web search : Pendekatan ini akan memanfaatkan konten yang diberi tag metadata seperti yang dijelaskan sebelumnya di bagian ini. Hasil pencarian cenderung lebih akurat tingkat
dibandingkan pencocokan kata kunci
Faceted search : Pencarian faceted menyediakan sarana untuk menyaring atau memfilter hasil berdasarkan pada kategori yang telah ditentukan sebelumnya yang disebut faset. Misalnya, pencarian pada “perguruan tinggi” mungkin dihasilkan dalam opsi untuk “perbaiki pencarian ini berdasarkan. . .” lokasi, ukuran, gelar yang ditawarkan, swasta atau publik, dan sebagainya. Banyak situs web e-niaga yang menyediakan fitur pencarian segi kepada pengguna, izinkan mendorong pembeli untuk memfilter hasil pencarian berdasarkan hal-hal seperti harga, peringkat rata-rata, nama merek, dan fitur produk
Clustered search : Ini mirip dengan pencarian segi, tetapi tanpa kucing yang telah ditentukan sebelumnya kategori. Kunjungi Carrot2.org untuk lebih memahami konsep ini. Setelah melakukan pencarian, klik opsi “foamtree” untuk melihat cara menyaring pencarian Anda. Opsi pemurniannya adalah diekstraksi dari konten di halaman pencarian awal.
Natural language search : Alat pencarian bahasa alami berupaya mengekstraksi kata-kata
pertanyaan seperti “Berapa banyak negara di Eropa?” dan membuat semantik representasi kueri.
Awalnya, inilah yang diharapkan orang-orang dari mesin pencari berevolusi ke arah tersebut, tetapi Grimes bertanya-tanya apakah kita sudah terbiasa mengetik hanya satu atau dua kata dalam pertanyaan kami bahwa menuliskan seluruh pertanyaan mungkin tampak seperti terlalu banyak pekerjaan.
rich snippets : informasi yang berisi konten website dan ditampilkan di halaman mesin pencari.
Biasanya tampilan informasi tersebut dapat membantu pengguna untuk lebih memahami produk atau konten yang sedang disajikan.
