Amazon: схожі товари замість схожих покупців
У випуску IEEE Internet Computing за січень–лютий 2003 року Грег Лінден, Брент Сміт і Джеремі Йорк з Amazon.com описали item-to-item collaborative filtering, яким магазин персоналізує сторінки кожного клієнта. Таблицю схожих товарів рахують офлайн, а онлайн-частина залежить лише від того, скільки товарів клієнт купив чи оцінив, а не від розміру бази клієнтів чи каталогу.
Чому це важливо
Колаборативну фільтрацію перенесли з порівняння людей на порівняння товарів, і це зняло межу масштабу, яку стаття називає для традиційного підходу: за десятків мільйонів клієнтів і мільйонів товарів він непрактичний. Це перший в атласі опис рекомендаційної системи від тих, хто її розгорнув.
Стаття: в Amazon.com «more than 29 million customers and several million catalog items», рекомендації мають повертатися не довше ніж за пів секунди. Схожість — косинус між векторами покупців товару; найгірший випадок побудови таблиці — O(N²M), на практиці ближче до O(NM). Кліки й конверсію стаття називає такими, що значно перевищують нецільовий вміст, але числа не дає. У літературі — патент US 6,266,649 (Лінден, Джейкобі, Бенсон, 2001); сам патент не відкрито. Річний звіт Amazon за 2002 рік (10-K, 19 лютого 2003) серед ключових рис сайту називає сторінки, підлаштовані під уподобання клієнта, разом із рекомендаціями, і чисті продажі 3,93 млрд доларів; кількості клієнтів він не наводить, тож 29 мільйонів — число самої статті. Метадані IEEE Xplore приписують усім трьом авторам Вашингтонський університет; стаття підписана Amazon.com. Запис не стверджує, яку частку продажів дають рекомендації: жоден прочитаний документ її не називає.