5.3.1 നെറ്റ്ഫിക്സ് സമ്മാനം

നെറ്റ്ഫിക്സ് സമ്മാനം ആളുകൾ ഇഷ്ടപ്പെടുന്നത് ചെയ്യുന്ന സിനിമകൾ പ്രവചിക്കാൻ തുറന്ന കോൾ ഉപയോഗിക്കുന്നു.

ഏറ്റവും അറിയപ്പെടുന്ന തുറന്ന കോൾ പദ്ധതി നെറ്റ്ഫിക്സ് സമ്മാനം ആണ്. നെറ്റ്ഫിക്സ് ഒരു ഓൺലൈൻ മൂവി വാടകയ്ക്ക് കമ്പനിയാണ് 2000 ലാണ് അതു Cinematch, ഉപഭോക്താക്കൾക്ക് സിനിമകൾ ശുപാർശ ഒരു സേവനം അവതരിപ്പിച്ചു. ഉദാഹരണത്തിന്, Cinematch നിങ്ങൾ തിരികെ സ്റ്റാർ വാർസ് സാമ്രാജ്യവും സ്ട്രൈക്കുകൾ പേരും ശ്രദ്ധിച്ചോ പിന്നീട് നിങ്ങൾ Jedi റിട്ടേൺ കാണുന്നതിന് ശുപാർശ വേണ്ടി. തുടക്കത്തിൽ Cinematch മോശമായി ജോലി. എന്നാൽ, നിരവധി വർഷങ്ങളായി കോഴ്സ് മേൽ, Cinematch ഉപഭോക്താക്കൾക്ക് ആസ്വദിക്കാൻ എന്തു സിനിമകൾ പ്രവചിക്കാൻ കഴിവ് മെച്ചപ്പെടുത്താൻ തുടർന്നു. 2006 ആയപ്പോൾ, Cinematch പുരോഗതി plateaued. നെറ്റ്ഫിക്സ് ഗവേഷകർ അവർ ചിന്തിക്കുന്നത് കഴിഞ്ഞില്ല എന്നത്തേയ്ക്കുമായി എല്ലാം ശ്രമിച്ചിരുന്നെങ്കിൽത്തന്നെ പക്ഷേ അതേ സമയം, അവരെ അവരുടെ സിസ്റ്റം മെച്ചപ്പെടുത്താൻ സഹായിക്കും തക്കവണ്ണം മറ്റ് ആശയങ്ങൾ ഉണ്ടായിരുന്നു സംശയിച്ചു. ഒരു തുറന്ന കോൾ: അങ്ങനെ, അവിടെ എത്തിയപ്പോള് കൂടെ സമയം, ഒരു റാഡിക്കൽ പരിഹാരം വന്നു.

നെറ്റ്ഫിക്സ് സമ്മാനം ക്രമേണ വിജയത്തിന് ഗുരുതരം തുറന്ന കോൾ എങ്ങനെ രൂപകല്പന ആയിരുന്നു, ഈ ഡിസൈൻ സോഷ്യൽ ഗവേഷണ ഉപയോഗിക്കാൻ കഴിയും തുറന്ന കോളുകൾ എങ്ങനെ സുപ്രധാന പാഠങ്ങള് ഉണ്ട്. നെറ്റ്ഫിക്സ് വെറും അവർ ആദ്യം ഒരു തുറന്ന കോൾ കേട്ടപ്പോ ആളുകൾ ഭാവനയിൽ എന്താണ് ഏത്, ആശയങ്ങൾ ഒരു ഘടനാരഹിതം അഭ്യർത്ഥന വെച്ചില്ല. മറിച്ച്, നെറ്റ്ഫിക്സ് ലളിതമായ ഒരു വിലയിരുത്തലിനും മാനദണ്ഡത്തിൽ വ്യക്തമായ പ്രശ്നമായിരുന്നില്ല അവർ 3 ദശലക്ഷം നടന്ന-ഔട്ട് റേറ്റിംഗിൽ (ഉപയോക്താക്കൾ ചെയ്തു നെറ്റ്ഫിക്സ് റിലീസ് ചെയ്തില്ല എന്നും ആ റേറ്റിംഗുകൾ) പ്രവചിക്കാൻ 100 ദശലക്ഷം സിനിമ റേറ്റിംഗ് ഒരു കൂട്ടം ഉപയോഗിക്കാൻ ആളുകളെ വെല്ലുവിളിച്ചു. Cinematch 1 മില്യൺ ഡോളർ നേടുമെന്നാണ് 10% മെച്ചപ്പെട്ട 3 ദശലക്ഷം നടന്ന-ഔട്ട് റേറ്റിംഗുകൾ പ്രവചിക്കാൻ കഴിഞ്ഞില്ല ഒരു അൽഗോരിതം സൃഷ്ടിക്കാൻ കഴിഞ്ഞില്ല ആർക്കും. ഈ വ്യക്തവും നടന്ന-ഔട്ട് റേറ്റിംഗുകൾ-ഉദ്ദേശിച്ചുള്ള നെറ്റ്ഫിക്സ് സമ്മാനം പരിഹാരങ്ങൾ ജനറേറ്റ് അധികം പരിശോധിക്കാൻ എളുപ്പം വിധത്തിൽ ഭീകരകേസുകളിൽ എന്നു ലേക്കുള്ള മൂല്യനിർണയ മാനദണ്ഡം-തട്ടിച്ചു പ്രവചിച്ചിരുന്നു റേറ്റിംഗുകൾ അപേക്ഷിക്കാം എളുപ്പമാണ്; ഓപ്പൺ കോൾ അനുയോജ്യമായ ഒരു പ്രശ്നം Cinematch മെച്ചപ്പെടുത്താനും വെല്ലുവിളി തിരിഞ്ഞു.

2006 ഒക്ടോബറിൽ നെറ്റ്ഫിക്സ് (അധ്യായത്തിൽ നാം 6 ഈ ഡാറ്റ റിലീസ് സ്വകാര്യത സംരക്ഷിക്കപ്പെടുന്നതെങ്ങനെ ചിന്തിക്കും) കുറിച്ച് കുറിച്ച് 500,000 ഉപഭോക്താക്കളിൽ നിന്ന് 100 മില്യൺ സിനിമ റേറ്റിംഗ് അടങ്ങുന്ന ഒരു ഡാറ്റാഗണത്തിന്റെ പ്രകാശനം. നെറ്റ്ഫിക്സ് ഡാറ്റ 20,000 സിനിമകളിൽ ഏകദേശം 500,000 ഉപഭോക്താക്കൾ ഒരു വലിയ മാട്രിക്സ് ആയി വിഭാവനം കഴിയും. ഈ മാട്രിക്സ് -ൽ, ഏകദേശം 100 മില്ല്യൺ 1 മുതൽ 5 നക്ഷത്രങ്ങൾ (പട്ടിക 5.2) ലേക്ക് സ്കെയിലിൽ റേറ്റിംഗുകൾ ഉണ്ടായിരുന്നു. വെല്ലുവിളി 3 ദശലക്ഷം നടന്ന-ഔട്ട് റേറ്റിംഗുകൾ പ്രവചിക്കാൻ മെട്രിക്സിലെ നിരീക്ഷിച്ചു ഡാറ്റ ഉപയോഗിക്കാൻ ആയിരുന്നു.

ലോകമെമ്പാടുമുള്ള ഗവേഷകർക്കും ഹാക്കർമാർ വെല്ലുവിളി അടുപ്പിച്ചിരുന്നു, 2008 ഓടെ 30,000 ലധികം ആളുകൾ ഇതിൽ ജോലി (Thompson 2008) . മത്സരം കോഴ്സ് കഴിഞ്ഞപ്പോള് നെറ്റ്ഫിക്സ് 5000 കളിക്കളത്തില് നിന്ന് 40,000 ലധികം proposed പരിഹാരങ്ങൾ ലഭിച്ചു (Netflix 2009) . വ്യക്തമായും നെറ്റ്ഫിക്സ് ഇതെല്ലാം നിർദിഷ്ട പരിഹാരങ്ങൾ വായിക്കുകയും മനസ്സിലാക്കാൻ കഴിഞ്ഞില്ല. മുഴുവൻ കാര്യം സുഗമമായി, പരിഹാരങ്ങൾ പരിശോധിക്കാൻ എളുപ്പമാണ് കാരണം എന്നാൽ ഓടി. നെറ്റ്ഫിക്സ് വെറും ഒരു കമ്പ്യൂട്ടർ ഒരു പ്രീ-വ്യക്തമാക്കിയ മെട്രിക് കൈവശമാണെന്ന്-ഔട്ട് റേറ്റിംഗുകൾക്കോ പ്രവചിച്ച റേറ്റിംഗുകൾ താരതമ്യം (അവർ ഉപയോഗിച്ച പ്രത്യേക മെട്രിക് മധ്യമത്തിൽ-പ്രാകാരം പിശക് സ്ക്വയർ റൂട്ട് ആയിരുന്നു) വഴിവെച്ചേക്കാം. ഇത് വേഗം നല്ല ആശയങ്ങൾ ചില അത്ഭുതമില്ല സ്ഥലങ്ങളിൽ നിന്നും വന്നു കാരണം പ്രധാനപ്പെട്ട പുറത്തായി ചെയ്ത എല്ലാവർക്കും, നിന്നും പ്രതിവിധികൾ സ്വീകരിക്കാൻ നെറ്റ്ഫിക്സ് പ്രാപ്തരാക്കിയത് പരിഹാരങ്ങൾ വിലയിരുത്താൻ ഈ കഴിവ് ആയിരുന്നു. വാസ്തവത്തിൽ, നേടിയ പരിഹാരം മുൻകൂർ അനുഭവം കെട്ടിടം മൂവി ശുപാർശ സിസ്റ്റങ്ങൾ ഉള്ളതെന്ന് മൂന്നു ഗവേഷകർ ആരംഭിച്ചതും ടീം സമർപ്പിച്ചത് (Bell, Koren, and Volinsky 2010) .

നെറ്റ്ഫിക്സ് സമ്മാനം ഒന്ന് മനോഹരമായ വശം അത് അവരുടെ പരിഹാരം ഗംഭീരമായി മൂല്യനിർണയം ഞങ്ങൾക്കുണ്ട് ലോകത്തിലെ ഓരോ പ്രാപ്തമാക്കിയ എന്നതാണ്. ജനം തങ്ങളുടെ പ്രവചിക്കപ്പെട്ട റേറ്റിങ് അപ്ലോഡ് ചെയ്തപ്പോൾ കുറിച്ച് അവർ തങ്ങളുടെ അക്കാദമിക ക്രെഡൻഷ്യലുകൾ, അവരുടെ വയസ്, വംശം, ലിംഗം, ലൈംഗിക ആഭിമുഖ്യം അല്ലെങ്കിൽ എന്തും അപ്ലോഡ് ഇത് ബാധകമല്ല. ഇപ്രകാരം, സ്റ്റാൻഫോർഡ് നിന്ന് ഒരു പ്രശസ്ത പ്രൊഫസറായി പ്രവചിക്കപ്പെട്ട റേറ്റിംഗുകൾ ചികിത്സ അവളുടെ കിടപ്പുമുറിയിൽ കൗമാര നിന്നുള്ളവ പോലെ കൃത്യമായി തന്നെയാണെന്ന്. നിർഭാഗ്യവശാൽ, ഈ മിക്ക സോഷ്യൽ ഗവേഷണത്തിൽ ശരിയല്ല. അത് മിക്ക സോഷ്യൽ റിസർച്ച്, വിലയിരുത്തലിനും വളരെ സമയം ഭാഗികമായി ആത്മനിഷ്ഠ ആണ്. അതുകൊണ്ട്, ഏറ്റവും ഗവേഷണ ആശയങ്ങൾ ഗുരുതരമായി വിലയിരുത്തപ്പെടുന്നു ഒരിക്കലും, ആശയങ്ങൾ വിലയിരുത്തപ്പെടുന്നു, അത് ആശയങ്ങളുടെ സ്രഷ്ടാവിന്റെ ആ വാല്മൊഴി ഭവനുമുന്നില് ബുദ്ധിമുട്ടാണ്. പരിഹാരങ്ങൾ പരിശോധിക്കുക എളുപ്പമാണ് കാരണം, തുറന്ന കോളുകൾ ഗവേഷകർ മാത്രം പ്രശസ്തമായ പ്രൊഫസർമാർ നിന്നും പ്രതിവിധികൾ പരിഗണിക്കും എങ്കിൽ കാലോചിതവും വീഴും സാധ്യതയുള്ള എല്ലാ സാധ്യതയുള്ള അത്ഭുതകരമായ പരിഹാരങ്ങൾ ആക്സസ് ചെയ്യാൻ അനുവദിക്കുക.

ഉദാഹരണത്തിന്, ഒരു ഘട്ടത്തിൽ സ്ക്രീൻ നാമം സൈമൺ ഫങ്ക് കൂടെ നെറ്റ്ഫിക്സ് സമ്മാനം ആരെങ്കിലും സമയത്ത് പോസ്റ്റുചെയ്ത തന്റെ ബ്ലോഗിൽ ഒരു പദത്തിന്റെ മൂല്യം താത്ക്കാലികമായ അടിസ്ഥാനത്തിൽ ഒരു നിർദിഷ്ട പരിഹാരം, മറ്റ് പങ്കാളികൾ മുമ്പ് ഉപയോഗിച്ചിട്ടുണ്ട് മറിച്ച് നൽകിയില്ല ലീനിയർ ആൽജിബ്രാ നിന്ന് ഒരു സമീപനം. ഫങ്ക് ന്റെ ബ്ലോഗ് പോസ്റ്റ് ഒരേസമയം സാങ്കേതിക എന്നാഗ്രഹിക്കുന്നു അനൗപചാരിക ആയിരുന്നു. അല്ലെങ്കിൽ ഒരു നല്ല പരിഹാരം വിവരിക്കുന്ന ഈ ബ്ലോഗ് ചെയ്തിരുന്നത് സമയം ഒരു മാലിന്യങ്ങൾ ആയിരുന്നു? ഒരു തുറന്ന കോൾ പദ്ധതിയുടെ പുറത്ത് പരിഹാരം ഗുരുതരമായ വിലയിരുത്തലിനും ലഭിച്ചു ഒരിക്കലും വേണ്ടി. എല്ലാ സൈമൺ ഫങ്ക് ശേഷം കാലിഫോർണിയൻ ടെക് അല്ലെങ്കിൽ എംഐടി പ്രൊഫസറാണ് ആയിരുന്നില്ല; ആർ, സമയം, ന്യൂസിലാൻഡ് ചുറ്റും ബാക്ക്പാക്കിംഗ് ഒരു സോഫ്റ്റ്വെയർ ഡവലപ്പർ ആയിരുന്നു (Piatetsky 2007) . അവൻ നെറ്റ്ഫിക്സ് ഒരു എഞ്ചിനീയർ ഈ ആശയം ചെയ്തൂ എങ്കിൽ അതു ഏറെക്കുറെ ഗൌരവമായി ചെയ്തിരിക്കാം മനസ്സില്ലായിരുന്നു.

ഭാഗ്യവശാൽ, വിലയിരുത്തലിനും മാനദണ്ഡങ്ങൾ വ്യക്തമായ പ്രയോഗിക്കാൻ എളുപ്പത്തിൽ കാരണം തന്റെ പ്രവചിച്ച റേറ്റിംഗുകൾ വിലയിരുത്തുകയും ചെയ്തു; അതു അവന്റെ സമീപനം വളരെ ശക്തമായ എന്നു തൽക്ഷണം വ്യക്തമായിരുന്നു: അവൻ മത്സരത്തിൽ നാലാം സ്ഥാനത്തേക്ക് കുതിച്ചുയർന്നു ഭയങ്കരമായ ഫലം മറ്റ് ടീമുകൾ ഇതിനകം ഉണ്ടായിരുന്നുള്ളു എന്നത് കണക്കിലെടുക്കുമ്പോൾ പ്രശ്നം മാസങ്ങളോളം പ്രവർത്തിക്കുന്നു. ഒടുവിൽ, സൈമൺ ഫങ്ക് സമീപനം ഭാഗങ്ങൾ ഫലത്തിൽ എല്ലാ ഗുരുതരമായ കാറിനെ ഉപയോഗിച്ചുപ്പോന്നു (Bell, Koren, and Volinsky 2010) .

സൈമൺ ഫങ്ക് മറിച്ച് രഹസ്യമായി സൂക്ഷിക്കാൻ ശ്രമിക്കുന്നതിനു തന്റെ സമീപനം വിശദീകരിക്കുന്ന ഒരു ബ്ലോഗ് പോസ്റ്റ് തിരഞ്ഞെടുത്തു വസ്തുത, പുറമേ നെറ്റ്ഫിക്സ് സമ്മാനം പല പങ്കെടുക്കുന്നവർ മാത്രമായി ദശലക്ഷം ഡോളർ വിരുതു പ്രേരിതമായ ഇരുന്ന ആ കാണിക്കുന്നു. പകരം, പങ്കാളികൾ അതാവട്ടെ വെല്ലുവിളി പ്രശ്നം ചുറ്റും വികസിപ്പിച്ച കമ്മ്യൂണിറ്റി ആസ്വദിക്കാൻ തോന്നി (Thompson 2008) , ഞാൻ അനേകം ഗവേഷകർ മനസ്സിലാക്കാൻ കഴിയും പ്രതീക്ഷിയ്ക്കുന്നതാവില്ല വികാരങ്ങൾ.

നെറ്റ്ഫിക്സ് സമ്മാനം ഒരു തുറന്ന കോളിന്റെ ഒരു ക്ലാസിക് ഉദാഹരണമാണ്. നെറ്റ്ഫിക്സ് ഒരു പ്രത്യേക ലക്ഷ്യം (സിനിമ റേറ്റിംഗ് ഷിതമായത്) ഒരു ചോദ്യം പോസ് പലരും നിന്നും പ്രതിവിധികൾ വശീകരിക്കുവാൻ. നെറ്റ്ഫിക്സ് അവർക്ക് സൃഷ്ടിക്കാൻ അധികം സ്ഥിരീകരിക്കുന്നതിന് എളുപ്പം ആയിരുന്നു, ഒടുവിൽ Netflix മികച്ച പരിഹാരം വീഴ്ത്തി കാരണം ഈ എല്ലാ പരിഹാരങ്ങൾ വിലയിരുത്താൻ കഴിഞ്ഞു. അടുത്തത്, ഞാൻ അതേ സമീപനം ജീവശാസ്ത്ര, നിയമം ഉപയോഗിക്കാൻ കഴിയും നിങ്ങൾ എങ്ങനെ കാണിക്കും.