Sistem rekomendasi- Content Based

Sistem rekomendasi adalah suatu system yang digunakan oleh para user /customer/pelanggan untuk mendapatkan produk yang diinginkan. Ide awal dari sistem rekomendasi sendiri adalah untuk menggunakan beberapa sumber informasi, tujuan utama dari sistem rekomendasi adalah untuk meningkatkan penjualan produk. Terdapat beragam metode yang digunakan untuk membuat sistem rekomendasi.

1. Collaborative-filtering : Memberikan rekomendasi berdasarkan feedback dari user yang lain atau dari diri sendiri. Penerapan dalam rekomendasi musik yaitu pembentukan user-matrix yang berisi pereferensi dari user yang di bentuk dari data feedback yang berupa data streaming dan download user yang lain.
2. 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.
3. Knowledge-based : Memberikan rekomendasi berdasarkan kondisi nilai atribut yang telah ditentukan oleh user. Dalam sistem rekomendasi ini adalah pada awal penggunanaanya user di minta memasukkan item-item yang dia sukai secara eksplisit yang nantinya akan digunakan untuk merekomendasikan berdasarkan atribut dari item-item yang sudah disukai.
4. Hybrid filtering : Merupakan kombinasi dari metode rekomendasi yang lain untuk menghasilkan rekomendasi lebih akurat

Sistem rekomendasi yang paling banyak digunakan saat ini adalah Hybrid dan Collaborative-filtering hal ini dibuktikan dengan banyaknya penelitian yang menggunakan metode ini untuk membuat sistem rekomendasi. Sistem rekomendasi berbasis hybrid muncul untuk mengatasi kelemahan dan keterbatasan sistem rekomendasi murni atau sistem rekomendasi tunggal. Proses rekomendasi dilakukan dengan mengidentifikasi sumber informasi yang diperlukan yaitu informasi yang dijadikan sebagai masukan. Untuk lebih jelas peroses tersebut dapat dilihat pada Gambar 1

Gambar 1 Proses Rekomendasi

Dalam hal sistem rekomendasi audio atau video, informasi ini dapat menghasilkan basis data berdimensi besar. Pada Gambar 1 kita dapat membedakan bahwa produk akhir dari sistem akan menjadi seperangkat rekomendasi bagi pengguna. Representasi akhir dari rekomendasi ini tergantung pada sistem itu sendiri tetapi dapat berkisar dari daftar item yang dipesan, tangkapan dari item, atau seluruh item.

Saat ini kita menekankan penjelasan tentang Content-Based Recommendation Techniques. Pendekatan ini digunakan untuk metode yang akan mengambil informasi yang berguna dari item yang telah diekstraksi. Informasi ini harus dipastikan merupakan informasi yang baik dan dapat dipastikan akan menjadi relevan terhadap pengguna. Proses ektraksi terhadap item yang digunakan akan memperbesar kemungkinan munculnya item baru yang belum pernah terlihat sebelumnya. Pada dasarnya metode ini sangat bergantung pada perilaku pengguna. Asumsi utama di bawah pendekatan berbasis konten adalah bahwa item atau dokumen dapat diidentifikasi oleh serangkaian fitur yang diekstraksi langsung dari konten mereka.

Seperti yang telah dijelaskan pada pembahasan sebelumnya bahwa teknik rekomendasi berbasis konten adalah kasus khusus dari teknik berbasis informasi. Berdasarkan cara tersebut, pengguna berusaha membuat prediksi berdasarkan analisis item atau metadata yang saling terkait. Teknik ini memungkinkan kita untuk mengetahui semua item yang digunakan oleh pengguna dimasa lampau dan dapat dijadikan sebagai landasan untuk menentukan seberapa  mirip preferensi mereka dengan item yang ada saat ini. Untuk item yang memiliki kemiripan pola peringkat lama dapat digunakan untuk menghitung peringkat terhadap item yang baru.

Berdasarkan penjelasan tersebut dapat disimpulkan bahwa metode ini merupakan salah satu teknik yang digunakan untuk menganalisis item serta melakukan ekstraksi fitur yang dapat menggambarkannya. Setelah fitur diekstraksi, secara otomatis sistem akan melakukan pengecekan item yang mirip dengan preferensi pengguna. Karena teknik-teknik ini tergantung pada analisis konten, kualitas data yang tersedia adalah faktor penentu dalam kualitas hasil yang dihasilkan oleh sistem. Konsep kunci dalam uraian yang disajikan di atas adalah fitur yang diekstraksi, dan kesamaan item. Metode rekomendasi berbasis konten biasanya didasarkan pada gagasan bahwa sistem harus merekomendasikan item baru tergantung pada kesamaan atau ketidaksamaan mereka dengan preferensi pribadi pengguna. Seperti yang dapat kita lihat, konsep kesamaan adalah salah satu bagian mendasar dari algoritma yang diperlukan untuk mengatur dan merekomendasikan musik. Untuk contoh kasus dalam langganan music digital, kesamaan dalam konten musik dapat menjadi pendekatan yang layak untuk menyediakan musik kepada pengguna. Contoh konten dalam music misalnya genre music, artis, penciptanya, tahun ciptaan dan sebagainya.