5.3.1 Netflix पुरस्कार

यो Netflix पुरस्कार जो चलचित्र मान्छे जस्तै हुनेछ भनेर भविष्यवाणी गर्न खुला कल प्रयोग गर्दछ।

सबैभन्दा प्रसिद्ध खुला कल परियोजना Netflix पुरस्कार छ। Netflix अनलाइन चलचित्र भाडा कम्पनी हो, र 2000 मा यो Cinematch, सेवा ग्राहकहरु चलचित्र सिफारिस गर्न शुरू गरे। उदाहरणका लागि, Cinematch तपाईं स्टार वार्स र साम्राज्य स्ट्राइकहरू मनपराएका भनेर फिर्ता र त तपाईं Jedi को रिटर्न हेर्न सुझाव दिन्छौं नोटिस सक्छ। सुरुमा Cinematch खराब काम गरे। तर, धेरै वर्ष को जीवनशैलीको, Cinematch ग्राहकहरु के चलचित्र आनन्द हुनेछ भनेर भविष्यवाणी गर्न आफ्नो क्षमता सुधार गर्न छोडेनन्। 2006 द्वारा तथापि, Cinematch मा प्रगति plateaued। Netflix मा शोधकर्ताओं तिनीहरूले विचार सक्छ धेरै ज्यादा सबै प्रयास गरेका थिए, तर एकै समयमा तिनीहरूले त्यहाँ तिनीहरूको सिस्टम सुधार गर्न मद्दत गर्न सक्छ विचार थिए आशङ्का। खुला कल: तसर्थ, तिनीहरू थियो के संग, समयमा, एक कट्टरपंथी समाधान आए।

को Netflix पुरस्कार को अन्तिम सफलता महत्वपूर्ण खुला कल डिजाइन भएको थियो कस्तो थियो, र यो डिजाइन सामाजिक अनुसन्धान को लागि प्रयोग गर्न सकिन्छ खुला कल कसरी लागि महत्त्वपूर्ण पाठ छ। Netflix केवल एक असंरचित तिनीहरूले पहिलो खुला कल विचार गर्दा धेरै मान्छे कल्पना के हो जो, विचार को लागि अनुरोध गरिन्। बरु, Netflix एक सरल मूल्यांकन मापदण्ड संग स्पष्ट समस्या खडा: तिनीहरूले भविष्यवाणी गर्न 3 लाख आयोजित-बाहिर मूल्यांकन 100 मिलियन चलचित्र मूल्यांकन एक सेट प्रयोग गर्न मान्छे चुनौती (प्रयोगकर्ता गरेका थिए कि मूल्यांकन तर Netflix जारी भएन भनेर)। सिर्जना गर्न सक्ने 10% राम्रो Cinematch 1 लाख डलर जीत हुनेछ भन्दा 3 लाख आयोजित-बाहिर मूल्यांकन भविष्यवाणी सक्ने एक तर्कको कसैले पनि। यो स्पष्ट र सजिलो लागू गर्न आयोजित-बाहिर गर्न भविष्यवाणी मूल्यांकन मूल्यांकन मापदण्ड-तुलना Netflix पुरस्कार समाधान उत्पन्न भन्दा जाँच गर्न सजिलो हो कि यस्तो तरिकाले फ्रेम थियो मूल्यांकन-अर्थ; यो एक खुला कल लागि उपयुक्त समस्यामा Cinematch सुधार को चुनौती गरियो।

2006 को अक्टोबर मा, Netflix (हामीले अध्याय 6 मा यो डाटा जारी गोपनीयता निहितार्थ विचार गर्नेछौं) बारे 5,00,000 ग्राहकबाट 100 मिलियन चलचित्र मूल्यांकन समावेश डेटासेटको जारी। यो Netflix डाटा 20,000 चलचित्र द्वारा 5,00,000 ग्राहकहरु लगभग छ कि एक विशाल म्याट्रिक्स रूपमा conceptualized गर्न सकिन्छ। यो म्याट्रिक्स भित्र, त्यहाँ 1 देखि 5 स्टार (तालिका 5.2) मात्रा मा 100 मिलियन मूल्यांकन थिए। चुनौती 3 लाख आयोजित-बाहिर मूल्यांकन भविष्यवाणी गर्न म्याट्रिक्स मा पालन डाटा प्रयोग गर्न थियो।

अनुसन्धानकर्ताहरूले र हैकर्स संसारभरि चुनौती आकर्षित थिए, र 2008 द्वारा 30,000 भन्दा बढी मानिसहरू यसमा काम गरेका थिए (Thompson 2008) । यो प्रतियोगिता को जीवनशैलीको, Netflix 5,000 भन्दा बढी टोली देखि 40,000 भन्दा बढी प्रस्तावित समाधान प्राप्त (Netflix 2009) । प्रस्ट छ, Netflix पढ्न र यी सबै प्रस्तावित समाधान बुझ्न सकेनौं। सारा कुरा किनभने समाधान जाँच गर्न सजिलो थियो, तर, सजिलै भाग्यो। Netflix बस एक कम्प्युटर एक पूर्व-निर्दिष्ट मेट्रिक (विशेष तिनीहरूले मतलब-को पावर त्रुटि को वर्ग मूल थियो प्रयोग मेट्रिक) द्वारा आयोजित-बाहिर मूल्यांकन गर्न भविष्यवाणी मूल्यांकन तुलना हुन सक्छ। यो चाँडै जो किनभने राम्रो विचार केही आश्चर्यजनक ठाउँ आए महत्त्वपूर्ण हुन बाहिर गरिएका सबैलाई देखि समाधान स्वीकार गर्न Netflix सक्षम समाधान मूल्याङ्कन गर्न यो क्षमता थियो। वास्तवमा, विजेता समाधान कुनै पूर्व अनुभव भवन चलचित्र सिफारिस प्रणाली थियो तीन अनुसन्धानकर्ताहरूले सुरु एक टोली द्वारा प्रस्तुत गरिएको थियो (Bell, Koren, and Volinsky 2010) ।

को Netflix पुरस्कार को एक सुन्दर पक्ष यो आफ्नो समाधान एकदम मूल्यांकन छ संसारमा सबैलाई सक्षम छ। मानिसहरूले आफ्नो भविष्यवाणी मूल्यांकन अपलोड गर्दा तिनीहरूले आफ्नो शैक्षिक प्रमाणपत्रहरू, आफ्नो उमेर, जाति, लिङ्ग, यौनिक अभिमुखीकरण, वा आफूलाई बारेमा केही अपलोड गर्न आवश्यकता थिएन। तसर्थ, स्टैनफोर्ड देखि एक प्रसिद्ध प्रोफेसर को भविष्यवाणी मूल्यांकन ठीक उनको बेडरूम मा एक किशोरी ती जस्तै व्यवहार गरे। दुर्भाग्यवश, यो छैन भन्दा सामाजिक अनुसन्धान साँचो हो। त्यो भन्दा सामाजिक अनुसन्धान को लागि, मूल्यांकन धेरै समय खपत र आंशिक आत्मपुरक छ, छ। त्यसैले, सबै भन्दा अनुसन्धान विचार कहिल्यै गम्भीर मूल्यांकन गर्दै छन्, र विचारहरू मूल्यांकन गर्दा, यो विचार को निर्माता ती मूल्यांकन छोड्ने गर्न कठिन छ। किनभने समाधान जाँच गर्न सजिलो हो, खुला कल अनुसन्धानकर्ताहरूले तिनीहरूले मात्र प्रसिद्ध प्राध्यापकहरू देखि समाधान छलफल यदि चर्किएको मार्फत गिर भनेर सबै संभावित अद्भुत समाधान पहुँच गर्न अनुमति दिन्छ।

उदाहरणका लागि, स्क्रिनमा नाम संग Netflix पुरस्कार कसैले समयमा एक बिन्दुमा सिमोन फङ्क आफ्नो ब्लग एक प्रस्तावित समाधान पोस्ट एक Singular मूल्य अपघटन आधारित, अन्य सहभागीहरूले द्वारा पहिले प्रयोग गरिएको थियो रेखीय बीजगणित एक दृष्टिकोण। फङ्क गरेको ब्लग पोस्ट साथ प्राविधिक र अजीब अनौपचारिक थियो। यो ब्लग पोस्ट एक राम्रो उपाय वर्णन वा यो समय को बर्बादी थियो? खुला कल परियोजना को बाहिर, समाधान गम्भीर मूल्यांकन कहिल्यै प्राप्त हुन सक्छ। सबै सिमोन फङ्क क्याल टेक वा एमआईटी मा एक प्रोफेसर थिएन पछि; उहाँले जो, समय मा, न्यूजील्याण्ड वरिपरि ब्याकस्पेसिङ थियो सफ्टवेयर विकासकर्ता थियो (Piatetsky 2007) । उहाँले Netflix मा एक इन्जिनियर गर्न यो विचार इमेल थियो भने, यो लगभग निश्चित गम्भीर लिइएको थियो।

खुसीको कुरा, मूल्यांकन मापदण्ड स्पष्ट र लागू गर्न सजिलो थिए किनभने, आफ्नो भविष्यवाणी मूल्यांकन मूल्यांकन थिए, र यो आफ्नो दृष्टिकोण धेरै शक्तिशाली थियो कि तुरुन्त स्पष्ट थियो: त्यो प्रतियोगिता मा चौथो स्थानमा rocketed, एउटा ठूलो परिणाम अन्य टोलीहरू पहिले नै भएको थियो कि दिइएको समस्या मा महिना को लागि काम गरिरहेका छन्। अन्त मा, सिमोन फङ्क दृष्टिकोण को भागहरु लगभग सबै गम्भीर प्रतियोगिहरु द्वारा प्रयोग गरियो (Bell, Koren, and Volinsky 2010) ।

सिमोन फङ्क बरु यसलाई गोप्य राख्न प्रयास भन्दा, आफ्नो दृष्टिकोण बताउँदै एक ब्लग पोस्ट लेख्न छनौट भन्ने तथ्यलाई पनि Netflix पुरस्कार थुप्रै सहभागीहरू विशेष को मिलियन डलर पुरस्कार उत्प्रेरित थिएनन् कि देखाउँछ। बरु, धेरै सहभागीहरू पनि बौद्धिक चुनौती र समस्या वरिपरि विकसित कि समुदाय आनंद देखिन्थ्यो (Thompson 2008) , म आशा धेरै अनुसन्धानकर्ताहरूले बुझ्न सक्नुहुन्छ भावना।

यो Netflix पुरस्कार खुला कल को एक क्लासिक उदाहरण हो। Netflix (चलचित्र मूल्यांकन भविष्यवाणी) एक विशेष लक्ष्य संग एक प्रश्न खडा र धेरै मान्छे देखि समाधान solicited। तिनीहरूले सिर्जना गर्न भन्दा प्रमाणित गर्न सजिलो थिए किनभने Netflix यी सबै समाधान मूल्याङ्कन गर्न सक्षम थियो, र अन्ततः Netflix सबै भन्दा राम्रो समाधान छानिएको। यो नै दृष्टिकोण जीव र व्यवस्थामा प्रयोग गर्न सकिन्छ कसरी अर्को, म तपाईंलाई देखाउने छौँ।