KECSKEMÉT , 2015 – LXX. ÉVFOLYAM, 2015 49 1. Bevezetés Az utóbbi tíz évben a médiatartalom-fogyasztási tren- dek szignifikáns változást mutattak a digitális fejlôdés hatására, az internetes szolgáltatások bôvülésével több idôt töltünk videó tartalmak fogyasztásával, mint vala- ha. A legmeghatározóbb szereplôkké vált Netflix és You- Tube tartalmi és fogyasztói bázisában rohamos növe- kedést lehetett megfigyelni, így piaci elônyük megtar- tásának érdekében a TV-szolgáltatók igyekeztek ter- mékpalettájukat egyaránt növelni újabb csatornák és elôfizetési csomagok bevezetésével. Az IPTV-rendsze- rek elterjedésével és a „set-top-box”-ok (STB) megjele- nésével új funkciókat vezettek be, mint például szemé- lyes videórögzítô (PVR), idôeltolásos tévézés, elérhetô- vé váltak további nemlineáris tartalmak, mint például a videotéka filmjei, vagy a már korábban sugárzott mûso- rok archívuma. Az „over-the-top” (OTT) szolgáltatások elterjedésével ezen tartalmak már nem csak televízión, de bármely más megjelenítô felületen is elérhetôk, ezzel szélesít- ve a tartalomfogyasztások változatosságát. Az elérhetô tartalmak kibôvülése ugyan nagyobb kínálatot eredmé- nyez a végfelhasználóknak, mégis egyre nehezebben ke- zelhetôvé válik még a mûsorújság, megfelelô menü- struktúra és keresô funkciók alkalmazásával is. A TV- szolgáltatók emiatt olyan platformfüggetlen megoldáso- kat keresnek, melyek támogatást nyújtanak a felhaszná- lóknak a megfelelô tartalmak megtalálásában, növelve ezzel a felhasználói élményt és piaci penetrációjukat. Ezen probléma orvoslását hivatott szolgálni az aján- lórendszerek [1] bevezetése, amelyek adatbányászati algoritmusok segítségével különbözô felületeken sze- mélyre szabott ajánlásokat nyújtanak a felhasználónak, ezzel elôsegítve a megfelelô tartalmak megtalálását. Egyrészt a TV-szolgáltató által elérhetô adatokat, más- részt külsô információforrásokat alkalmazzák a tartal- mak modellezésére és a felhasználók adaptív profilozá- sára. Rendszer szinten külön funkcionális egységként mûködnek a háttérben, melyek az ajánláskérések során rendezik az elérhetô tartalmakat, amiket ezután az esz- közök felületén jelenít meg a szolgáltató. A személyre szabás eredményeképpen nô a felhasználói élmény, ami közvetetten az üzleti sikerességi mutatókat is növeli. A tanulmány az ajánlórendszerek IPTV és OTT rend- szerekben történô alkalmazását a CRISP-DM módszer- tan alapján mutatja be. A CRISP-DM [2] egy robusztus, széleskörûen alkalmazott módszertan adatbányászati projektek feladatainak leírására, ami hat fô fázisból áll: (1) üzleti modell megértése, célok megfogalmazása, (2) az adatok megértése, (3) az adatok elôkészítése, (4) modellezés, (5) kiértékelés és (6) telepítés és üzemeltetés. Ezen vezérfonal mentén haladva a 2. szakaszban az ajánlórendszerrel kapcsolatos üzleti elvárásokat tárgyal- juk, majd összefoglaljuk a tartalomfogyasztással és me- taadatokkal kapcsolatos adatelemzési és feldolgozási kérdéseket. A 4. szakaszban bemutatjuk az ajánlórend- szer területén leggyakrabban alkalmazott modellezési módszereket, melyre vonatkozó kiértékelési és optima- lizálási megfontolásokat az 5. szakaszban vitatjuk. Ezt követôen tömören kitérünk az ajánlórendszer, mint éles szolgáltatás legfontosabb üzemeltetési kérdéseire, vé- gül az utolsó szakaszban áttekintjük az aktuális kutatá- si irányokat, mellyel a tudományos világ foglalkozik az ajánlórendszerek területén. 2. Az ajánlórendszer és az üzleti célok Az ajánlórendszer egy olyan információszûrô és dön- téstámogató szolgáltatás, mely az adott kontextusban adatbányászati algoritmusok segítségével a fogyasztói Kulcsszavak: ajánlórendszer, IPTV, OTT, adatbányászat, gépi tanulás A Netflix Prize óta ugrásszerû kereslet figyelhetô meg az IPTV és OTT piacon az ajánlórendszerek által nyújtott üzleti lehetôségek iránt. Az egyre növekvô lineáris és nemlineáris tartalom kínálat személyre szabott pozícionálása, valamint a tartalomfogyasztási adatok feldolgozása mind adatbányászati, mind technológiai oldalról kihívást jelent. A szolgáltatók továbbá a heterogén médiatartalom-források, valamint a különbözô megjelenítô felületek elterjedése miatt üzleti sikerességük megtartása érdekében olyan platformfüggetlen megoldásokat keresnek, melyek egységes módon képesek kezelni a kontextusfüggô ajánlási problémákat. Jelen tanulmány a CRISP-DM módszertan mentén ismerteti az IPTV és OTT környezetben alkalmazott ajánlórendszer megoldásokat, kitérve az aktuális fôbb kutatási irányokra.  MEDIANET 2015 Perszonalizált tartalomajánló szolgáltatás IPTV és OTT rendszerek számára ZIBRICZKY DÁVID ImpressTV david.zibriczky@impresstv.com