Чтение онлайн

малыми исключениями свелась к двухступенчатой. В попытке расши-

рить возможности системы в 1984 г. в рейтинг была введена новая по-

зиция – PG-13, средняя между PG и R. Позже была добавлена катего-

рия NC-17. Ее ввели как альтернативу X: планировалось, что эта литера

будет обозначать арт-хаусные фильмы, в то время как порнографичес-

кие ленты по-прежнему будут идти под знаком X. Однако вскоре про-

дюсеры порнофильмов начали выставлять свои работы на рейтинг в ка-

честве арт-хаус-фильмов. Таким образом, NC-17 по существу заменила

категорию X. На данный момент картин с рейтингом R производится

больше, чем любых других типов, а самый успешный фильм года почти

всегда относится к разряду PG-13. Вместо того чтобы выполнять роль

нейтрального классификатора, PG-13 стал влиять на тип выпускаемого

кино. В 1996 году фильмы с рейтингом PG-13 составили 18,9% от общего

количества всех созданных фильмов и в то же время заработали 34,1%

сборов кинопроката. Затем PG-13 перевели в категорию фильмов для се-

мейного просмотра. Так кинокомпаниям удалось ввести в ленты больше

остроты, секса и насилия, не жертвуя конкурентоспособностью. Про-

дюсеры заранее прикидывают, какая категория им нужна, и снимают

картину так, чтобы она встраивалась в определенные рамки. А совсем

недавно задача охранения нравственности в кино получила эффектное

техническое решение. Появилась специальная программа, позволяющая

зрителю при просмотре картин на DVD самостоятельно делать в них ку-

пюры, адаптируя для семейного просмотра.

Значение рейтингов для экономики колоссально и однозначно по-

ложительно. Благодаря им бизнес обрел почву под ногами: столь не-

обходимая ему обратная связь предложения со спросом установилась

наилучшим из всех возможных способом, поскольку ранжирование не

Hays Code и внедрил новую рейтинг-систему, оценивающую готовые фильмы.

139 Valenti J. Th

e Voluntary Movie Rating System. MPAA, December 1996.

178

ГЛАВА 2.7. ОБЗОР РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ

порождает для предпринимателей никаких отрицательных внешних

эффектов. Для культуры же значение рейтингов неоднозначно. Ей как

воздух необходима обратная связь, но более содержательная. Создавая

иллюзию потребительской рефлексии, рейтинги скорее сбивают куль-

туру с правильного пути, нежели указывают на него. Они в минималь-

ной степени служат культурной навигации, скорее – это буйки на пути

ухудшающего отбора, обозначающие фарватер.

Глава 2.7. Обзор рекомендательных систем140

В самом общем виде рекомендация – это прогнозирование оценки до

того момента, как человек сам опробовал объект. Прогноз составляется

на основе анализа предшествующих предпочтений покупателя или лю-

бой другой информации о нем141. Услуга состоит в следующем: из всего

разнообразия книг, CD, фильмов, ресторанов и т. п. для конкретного пот-

ребителя выбирается продукт с наивысшей ожидаемой полезностью142.

На каждого клиента рекомендательной системы143 составляется ин-

дивидуальный профиль, в котором учитываются его потребительские

предпочтения, а также (при необходимости) возраст, пол, доход, семей-

ное положение и т. д. Точно так же по определенным правилам описы-

ваются и товары. Например, в сервисе по фильмам каждая картина мо-

жет быть представлена названием ленты, жанром, режиссером, годом

выпуска, главными актерами и т. д. Первоначально в базу заносятся

потребительские оценки товаров, которые человек опробовал до вхо-

да в систему. Например, в системе MovieLens144 пользователи начина-

140 В разделе частично использованы материалы обзорной работы: Adomavicius G., Tuzhilin А. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions // IEEE Transactions on Knowledge and Data Engineering, Vol. 17, № 6, June 2005.

141 С середины 1990-х гг. рекомендательные системы выделились в самостоятельную

область научных исследований, которые опираются на достижения когнитивных

наук, наработки информационно-поисковых систем, теорию прогнозирования и

проч.

142 Это можно записать следующим образом:

где С – это множество пользователей (вплоть до многих миллионов), S – группа

предлагаемых товаров (тоже миллионы единиц), U – функция полезности, описывающая полезность предмета S для пользователя С.

143 Дополнительно о рекомендательных системах см. приложение 1, глава 11.

144 См. приложение 1, раздел 11.8.

179

ЧАСТЬ 2. УХУДШАЮЩИЙ ОТБОР В ИНДУСТРИЯХ КУЛЬТУРЫ

ют с того, что проставляют баллы определенному количеству фильмов, которые они уже посмотрели. Системы способны выдавать рекоменда-

ции либо в виде перечня товаров наиболее подходящих данному потре-

бителю, либо в виде списка потребителей, для которых предпочтителен

некоторый товар (как подчеркивалось в первой главе, это различие на

практике оказывается принципиальным). Рекомендации могут генери-

роваться тремя способами:

1. Контентным: человеку рекомендуют товары, сходные с теми, кото-

рые он выбрал ранее.

2. Методом коллаборативной фильтрации: потребителю рекомен-

дуют товары, которые вычисляются по оценкам людей со схожими

вкусами, уже опробовавших данный продукт и поделившихся сво-