Netflix가 5 성급 등급 시스템에서 유사 / 싫음 시스템으로 전환하는 이유는 무엇입니까?

Netflix는 사용자가 제출 한 다른 영화 / 쇼의 등급을 기준으로 제안을 사용했습니다. 이 등급 시스템에는 별 5 개가있었습니다.

이제 Netflix를 통해 사용자는 영화 / 쇼를 좋아하거나 싫어함 (thumbs-up / thumbs-down) 할 수 있습니다. 그들은 영화를 평가하는 것이 더 쉽다고 주장합니다.

이 2-way 분류가 5-way 분류 시스템보다 통계적으로 덜 예측 적이 지 않습니까? 변형이 적지 않습니까?

variance predictive-models prediction

— jvriesem
소스

A / B 테스트에서 2-way 시스템에서 4 배나 많은 평가를 받았다는 점을 포함하여 Netflix의 자체 설명에 대한 답변을 진지하게 받아 들여야한다고 생각합니다. 그것만으로도 거대합니다. 또한 유명한 Netflix 경쟁의 결과는 더 나은 예측 등급 (경쟁에서 얻은 것) 이 더 나은 예측 행동 으로 해석 되지 않았다는 것 입니다. "Pride and Prejudice"가 더 나은 영화라고 판단 할 수 있지만 "Die Hard"를 볼 가능성이 높습니다. Netflix는 아마도 더 나은 영화라고 생각하는 것보다보고 싶은 것 (또는 바라는 것)에 대해 더 많은 관심을 가질 것입니다.

— ctwardy

Preston & Coleman (2000)의 기사에 따르면 2 개의 품목 규모 신뢰성은 5 개의 품목 규모 신뢰성과 크게 다르지 않습니다.

측정 대상은 식당에 대한 만족도 였지만 영화 등급과 잘 맞습니다. 사용 편의성, 사용 속도 및 사용자가 다른 품목 규모에 대한 감정을 얼마나 잘 표현할 수 있는지 측정되었습니다. 결과는 다음과 같습니다.

사용자는 5 개의 항목 규모와 비교하여 2 개의 항목 규모가 사용하기 쉽고 사용하기가 더 빠르지 만 사용자의 진정한 신념을 표현하는 데는 매우 부적합하다는 것을 알 수 있습니다. 이는 2 개의 품목 규모가 기본 변동성을 잘 포착하지 못하고 변동성을 상실 함을 나타냅니다. 차별 지수는 5 개의 품목 규모와 비교하여 2 개의 품목 규모에 대해 현저하게 열악합니다.

위의 모든 사항을 고려하면 Netflix가 더 많은 사용자를 투표에 유인하기 위해 투표 정밀도를 교환 할 의사가 있다고 생각합니다. 샘플 적용 범위를 늘리기 때문에 더 많은 사람들이 투표하는 것을 선호한다고 생각합니다. 이는 참여도가 적은 사용자에 대한 이해를 높일 수 있습니다. 참여도가 낮은 사용자에 대한 추가 정보의 한계 값은 참여한 사용자에 비해 훨씬 높을 수 있습니다.

— 비발디
소스