Mühendislik ve Teknoloji

Netflix Ne Sevdiğimizi Nasıl Anlıyor? Netflix Algoritması Nasıl Çalışıyor?

Netflix, Spotify ve Amazon Prime gibi yayın platformları, şüphesiz ki, izleyicilere sunulan film, müzik ve TV içeriklerini büyük ölçüde artırarak, medya tüketim biçimimizi yeniden şekillendirdi. Ancak asıl şaşırtıcı olan Netflix’te binlerce film, dizi vs mevcut olsa da dönüp dolaşıp dünyadaki her kullanıcının aynı şeyi izlemesidir. Bunu başarmalarının nedeni de elbette arka planda çalışan algoritmalardır.

netflix algoritma

Netflix gibi hizmetler, dikkatimizi belirli yönlere yönlendirmek, içeriği düzenlemek ve bizi platformda aktif tutmak için algoritmalar kullanır. Uygulamayı açar açmaz kişiselleştirme süreçleri başlar. Bu algoritmalar sadece zevklerimize yanıt vermekle kalmaz, aynı zamanda onları şekillendirir ve etkiler.

İşten eve gelip, bir şeyler izlemek için Netflix’e giriş yaptığınız anda size bir dizi heyecan verici öneri karşılar. Siz de aralarından tercihinizi yaparsınız. Öneriler tamamen otomatik olarak oluşur ve siz yeni bir şeyler izledikçe değişir. Netflix bunu elbette kullanıcıları hakkında sahip olduğu bilgilere dayanarak yapar.

Netflix Algoritması Nasıl Çalışır?

Netflix’in algoritması diğer sosyal medya platformları gibi insanların davranışlarını taklit eder. Sizin zevkinize sahip birçok insanın da izlediği filmleri büyük ölçüde izleyeceğinizi varsayar. Sevdiğiniz birçok filme benzeyen bir filmi beğeneceksiniz mantığı ile hareket eder.

Veri, Netflix’in yürüttüğü tüm iş alanlarında kullanılsa da esas hedefi her zaman, müşterilerin ne izlemekten hoşlanacağını tahmin etmektir. Netflix ağına ilk katıldığınızda, şirketin ilgi alanlarınız, beğenileriniz veya sevmediğiniz şeyler hakkında herhangi bir bilgisi yani verisi yoktur. Netflix, zevkinizin ne olduğunu anlamaya çalışmak için seçimlerinizi kullanır.

Bununla ilgili çalışmalar 2006 yılında, şirket hala esas olarak DVD postalama işi yaparken başladı. Netflix Prize adlı bir yarışma düzenlendi ve müşterilerin önceki puanlamalarına dayanarak bir filme kaç puan vereceğini tahmin edecek en iyi algoritmayı bulana 1 milyon dolar verileceği açıklandı. Kazanan 2009 yılında ilan edildi. Çeşitli güncellemeler olsa da günümüz Netflix algoritması hala kazanan grubun tavsiye motorunun temel öğelerini kullanıyor.

Başlangıçta analistler müşteriler hakkında sınırlı bilgiye sahiplerdi. Analiz için sadece dört veri noktası (müşteri kimlik bilgisi, film kimlik bilgisi, puanlama ve filmin izlendiği tarih) vardı. İnternet yayını, başlıca hizmet sunma şekli haline gelir gelmez müşteriler hakkında çok sayıda yeni veri noktası da erişilebilir oldu. Bu yeni veriler sayesinde Netflix, müşterilerine hoşlanacakları filmler sunmak için kusursuz tahminlerde bulunacak modeller oluşturmaya başlayacaktı.

Netflix’in hoşumuza gidecek filmler sunma çabasındaki bir başka temel unsur etiketlemedir. Netflix’te korku, belgesel ve romantik gibi tanıdık film türlerinden binlerce kategori yer alıyor. Şirket, filmleri izlemeleri ve içerdikleri öğelere göre onları etiketlemeleri için insanlara para ödüyor. Ardından da hoşunuza giden filmle benzer etiketlere sahip diğer yapımları izlemeniz için tavsiyede bulunuyor. Kimi zaman karşımıza çıkan alakası öneriler de buradan kaynaklanıyor.

Öneri Sistemleri

Netflix’te düzenli olarak oturum açmaya başladığınızda, Netflix’in genellikle görmek istediklerinize dikkat çektiğini fark edeceksiniz. Bu, öneri sistemi olarak bilinen bir şeyin sayesinde olur. Bu sistemler, kullanıcıların satın alma olasılığı en yüksek olan ve ilgilendikleri ürünü tahmin eder. Birden çok öneri sistemi vardır.

Popülerliğe Dayalı Öneri Sistemi:

Bu sistemler, trend olan veya kullanıcılar arasında en popüler olan ürün veya filmi kontrol eder ve bunları doğrudan tavsiye eder. Bu sistemde kullanıcının geçmiş verilerine gerek yoktur. Sistem, yalnızca popülerliğe dayalı aynı tür ürünleri/filmleri diğer her kullanıcıya önerir. Trend olan ve en popüler haberlere göre filtrelenen Google haberler, YouTube trend videolar bu sisteme göre çalışır.

Sınıflandırma Modeli:

Bir kullanıcının bir ürünü beğenip beğenmeyeceğini tahmin etmek için hem ürünlerin hem de kullanıcıların özelliklerini kullanan modeldir.

Kullanıcı beğenirse sonuç 1, aksi halde sıfırdır.

İçerik Tabanlı Öneri Sistemi:

Siz bir diziyi her izlediğinizde, durdurduğunuzda ya da ileri sardığınıza aslında veri gönderirsiniz. Puanlamalarınız, sayfayı aşağıya doğru kaydırmanız ya da arama motorunu kullanmanız da başka verilerdir. Tüm bunlar algoritmalar tarafından kümelenir. Bu bilgiler sonrasında beğenilerinizin belirlenmesinde temel bir parametre olarak kullanılır.

Bu öneri sisteminde tavsiye edilen ile izlenen film arasındaki benzerlik belli matematiksel hesaplamalar sonucunda bulunur. Benzerlikleri kontrol etmemiz gereken farklı senaryolar vardır. Bu nedenle kullanılacak farklı metrikler vardır. Sayısal veriler arasındaki benzerliği hesaplamak için Öklid mesafesi ( iki nokta arasındaki uzaklık), metinsel veriler için kosinüs benzerliği, kategorik veriler için Jaccard benzerliği hesaplanır.

İlk formül kosinüs benzerliği, İkinci formül Jaccard benzerliği hesaplamalarında kullanılmaktadır.

İşbirlikçi Filtreleme:

Öneri sistemleri arasındaki farklar

İçerik tabanlı öneri sistemi ara bağımlılıkları veya karmaşık davranışları tespit etmede eksik kalır. Bu nedenle doğru öneriler için işbirliğine filtreleme sistemi kullanılır. Bu filtreleme yöntemi genellikle kullanıcının davranışları, etkinlikleri veya tercihleri hakkında bilgi toplamaya, analiz etmeye ve diğer kullanıcılarla olan benzerliğini temel alarak neleri seveceklerini tahmin etmeye dayanmaktadır.

İşbirlikçi filtreleme, geçmişte benzer tercihlere sahip olan bireylerin gelecekte aynı tercihleri yapacakları varsayımına dayanmaktadır. Benzerlik, kullanıcının zevkiyle sınırlı değildi. Ayrıca farklı öğeler arasında da benzerlik düşünülebilir. Kullanıcılar ve öğeler hakkında büyük miktarda bilgimiz varsa, sistem daha verimli önerilerde bulunacaktır.

Bir dahaki sefere Netflix ara yüzünüzün önüne oturduğunuzda, önerilen filmlerin ekranınıza gelmeden önce sahne arkasında yakından ele alındığını hatırlayınız. Büyük Veri (Big Data) bazen sizin için bazen de size karşı çalışır. Bunu da unutmayın.


Kaynaklar ve İleri Okumalar:


Size Bir Mesajımız Var!

Matematiksel, 2015 yılından beri yayında olan ve Türkiye’de matematiğe karşı duyulan önyargıyı azaltmak ve ilgiyi arttırmak amacıyla kurulmuş bir platformdur. Sitemizde, öncelikli olarak matematik ile ilgili yazılar yer almaktadır. Ancak bilimin bütünsel yapısı itibari ile diğer bilim dalları ile ilgili konular da ilerleyen yıllarda sitemize dahil edilmiştir. Bu sitenin tek kazancı sizlere göstermek zorunda kaldığımız reklamlardır. Yüksek okunurluk düzeyine sahip bir web sitesi barındırmak ne yazık ki günümüzde oldukça masraflıdır. Bu konuda bizi anlayacağınızı umuyoruz. Ayrıca yazımızı paylaşarak da büyümemize destek olabilirsiniz. Matematik ile kalalım, bilim ile kalalım.

Matematiksel

Sibel Çağlar

Temel eğitimimi Kadıköy Anadolu Lisesinde tamamladım. Devamında Marmara Üniversitesi İngilizce Matematik Öğretmenliği bölümünü bitirdim. Çeşitli özel okullarda edindiğim öğretmenlik deneyiminin ardından matematiksel.org web sitesini kurdum. O günden bugüne içerik üretmeye devam ediyorum.

İlgili Yazılar

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir