# Systemy rekomendacyjne

EN: **Recommendation systems** · id `recommenders`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › Systemy rekomendacyjne

## Description

- PL: Dobór treści lub produktów do osoby i kontekstu.
- EN: Matching content or products to a person and context.

## In one sentence

- PL: To systemy wybierające treści lub produkty, które mogą pasować do osoby i jej sytuacji.
- EN: These systems select content or products that may suit a person and their situation.

## Problem it solves

- PL: W dużym katalogu trudno samodzielnie znaleźć rzeczy odpowiadające twoim potrzebom lub zainteresowaniom.
- EN: In a large catalogue, finding things that suit your needs or interests can be difficult.

## What it does

- PL: Porównuje cechy rzeczy i wcześniejsze zachowania ludzi, a potem porządkuje kandydatów według przewidywanej przydatności.
- EN: It compares item features and people's past behaviour, then orders candidates by their predicted usefulness.

## Everyday example

- PL: Po odsłuchaniu audycji dostajesz propozycje kolejnych odcinków pasujących do twoich zainteresowań i wcześniejszych wyborów.
- EN: After listening to a programme, you receive suggestions for episodes matching your interests and previous choices.

## This concerns you if you…

- PL: pomagasz ludziom wybierać z dużego katalogu
- PL: chcesz dobierać propozycje do zainteresowań lub kontekstu
- EN: help people choose from a large catalogue
- EN: want suggestions matched to interests or context

## Keywords

implicit feedback · cold start · matrix factorization · two-tower models · learning to rank · Recall@k · nDCG@k · candidate retrieval

## How it works

- PL: Reprezentacje użytkowników, obiektów i kontekstu łączą informacje o treści z obserwowanymi interakcjami. Generowanie kandydatów, punktowanie i reguły końcowego układu tworzą ranking, oceniany przez eksperymenty oraz właściwe metryki.
- EN: User, item and context representations combine content information with observed interactions. Candidate generation, scoring and final-layout rules create rankings evaluated through experiments and suitable metrics.

## Limits

- PL: Obserwacje zależą od tego, co wcześniej pokazano. Brak danych nowych użytkowników i obiektów, zmiany preferencji oraz pętle popularności utrudniają ocenę rzeczywistej użyteczności.
- EN: Observations depend on prior exposure. Sparse data for new users and items, changing preferences and popularity loops complicate evaluation of actual usefulness.

## Key terms

- PL: **feedback niejawny**: Sygnały zachowania, takie jak kliknięcia, bez bezpośredniej oceny preferencji.
- PL: **cold start**: Brak wcześniejszych interakcji dla nowego użytkownika lub obiektu.
- EN: **implicit feedback**: Behavioural signals such as clicks without explicit preference ratings.
- EN: **cold start**: Missing past interactions for a new user or item.

## Know first

- [Uczenie nadzorowane (Supervised learning)](https://aiatlasgraph.com/t/supervised.md)
- [Algebra liniowa: wektory i macierze (Linear algebra: vectors and matrices)](https://aiatlasgraph.com/t/linearalgebra.md)

## Examples

- PL: Collaborative filtering · ranking

## Subtopics (3 direct, 3 in total)

- [Filtrowanie kolaboracyjne i faktoryzacja macierzy (Collaborative filtering and matrix factorisation)](https://aiatlasgraph.com/t/collabfiltering.md): Recommending from the behaviour of similar people (“who bought X also bought Y”); matrix factorisation learns user and item embeddings.
- [Generowanie kandydatów, scoring i re-ranking (Candidate generation, scoring and re-ranking)](https://aiatlasgraph.com/t/recpipeline.md): The typical architecture of large systems: quickly narrow a huge catalogue to hundreds of candidates, score them more precisely, then account for freshness, diversity and business rules.
- [Rekomendacje oparte na treści (Content-based filtering)](https://aiatlasgraph.com/t/contentbased.md): Recommending items similar to what a person already likes, based on features of the items themselves.

## Related topics

Untyped, symmetric "see also" links.

- [Reguły asocjacyjne i częste zbiory (Association rules and frequent itemsets)](https://aiatlasgraph.com/t/associationrules.md)
- [Sieci grafowe (GNN) (Graph neural networks (GNN))](https://aiatlasgraph.com/t/gnn.md)

## Sources

- [Stanford CS229 · Machine Learning (2018, archiwum)](<https://cs229.stanford.edu/syllabus-autumn2018.html>) `cs229` · reference: Klasyczne ML, statystyka i podstawy uczenia. Użyte jako stabilny szkielet, nie przegląd nowości.
- [Google · Recommendation Systems](<https://developers.google.com/machine-learning/recommendation/overview>) `rec` · reference: Rekomendacje, retrieval, scoring i reranking.

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/recommenders · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30