Wie LLM ein Google-Maps-Feature zurückgebracht hat (inklusive Claude-Fähigkeit)
Anthropic
OpenAI
DataForSEO
Apify
Ein Entwickler nutzt LLMs und öffentliche APIs, um das Google-Maps-Feature 'Your Match' nachzubilden, das 2023 entfernt wurde. Der Ansatz umfasst das Scrapen von Bewertungen über DataForSEO und Apify, das Bewerten von Kandidaten mit kollaborativem Filtern und die Bewältigung von Herausforderungen wie virtualisierten Listen und Timeouts.
Im Jahr 2018 führte Google Maps 'Your Match' ein – einen Prozentsatz, der angibt, wie wahrscheinlich ein Nutzer ein Restaurant mögen würde, basierend auf seinen bisherigen Bewertungen. Der Autor verließ sich auf diese Funktion, bis sie 2023 stillschweigend entfernt wurde. Um sie nachzubilden, nutzte er einen nutzerbasierten kollaborativen Filteransatz: Finde Personen, deren Bewertungen mit deinen korrelieren, und empfehle dann Orte, die ihnen gefallen haben, die du aber noch nicht ausprobiert hast. Das direkte Scraping von Google Maps erwies sich jedoch als schwierig, da virtualisierte Listen und ignorierte synthetische Scroll-Ereignisse auftraten, weshalb er auf zwei kostenpflichtige APIs umstieg: DataForSEO (für Bewertungen von Ausgangsorten) und Apify's Actor zum Scrapen von Beitragenden (für die Verläufe der Bewertenden). Die Pipeline sammelte rund 730 Bewertende und etwa 32.500 Bewertungen, was etwa 4.000 Kandidatenorte ergab. Die Bewertungsformel gewichtet Unterstützer nach Affinität (Überschneidung mit deinen Ausgangs-Likes) und dämpft nach Aktivität (Anzahl der Bewertungen), um Verzerrungen durch sehr aktive, aber wahllose Bewertende zu vermeiden. Die Kosten waren erheblich: Apify verlangte 0,0015 US-Dollar pro Bewertungszeile (insgesamt 48,67 US-Dollar), während DataForSEO pro Bewertung günstiger war, aber keine Extraktion auf Beitragendenebene bot. Das endgültige Skill und Skript sind in einem Repository verfügbar, mit dem Hinweis, dass die Methode kein echtes Empfehlungssystem ist und keine Korrektur für Populäritätsverzerrung vornimmt.
Quelle: Habr — хаб ML —
Original
