Pento如何通过Qdrant建模审美品味
💡
原文英文，约1900词，阅读约需7分钟。
📝
内容提要
该推荐系统通过Qdrant构建，旨在根据用户的艺术偏好连接志同道合的人。与传统系统不同，它动态建模用户的审美品味，关注用户与艺术作品的互动。系统将艺术作品转化为向量，并利用HDBSCAN聚类算法识别用户的多样化偏好，从而提供个性化推荐。
🎯
关键要点
- 该推荐系统通过Qdrant构建，旨在根据用户的艺术偏好连接志同道合的人。
- 与传统推荐系统不同，该系统动态建模用户的审美品味，关注用户与艺术作品的互动。
- 系统将艺术作品转化为向量，并利用HDBSCAN聚类算法识别用户的多样化偏好。
- 传统推荐系统通常优化流行度，假设相似行为的用户有相似品味，但在艺术中这种假设常常失效。
- 审美品味不是静态的，而是随着时间和互动而变化的动态景观。
- 每次用户与艺术作品互动时，都会留下信号，这些信号随着时间的推移形成用户的情感指纹。
- 系统将用户视为一系列互动的集合，而不是静态的个人资料。
- 通过HDBSCAN算法对用户的互动进行聚类，形成反映一致审美主题的多个局部区域。
- 每个聚类由其中心点（medoid）表示，medoid是最能代表该组的实际数据点。
- 系统根据互动的时间戳为每个聚类分配一个关注度得分，以强调新近的偏好。
- 用户的品味被浓缩为多向量表示，包含正向和负向聚类。
- 通过Qdrant的推荐API进行检索，推荐与用户当前审美相符的艺术家，同时避免用户倾向于拒绝的内容。
- 为了解决冷启动问题，系统采用无摩擦的入门过程，展示多样化的艺术作品以快速捕捉用户的品味。
➡️
