XVI Международная студенческая научная конференция Студенческий научный форум - 2024

Рекомендательныесистемы

Если вы внимательно посмотрите на каждое приложение или веб-сайт, который посещаете, вы поймете, как работает каждая система рекомендаций. Когда вы впервые посещаете приложение или веб-сайт, оно, веро- ятно, покажет вам наиболее популярный контент среди различных пользователей, но если вы продолжите посещатьеговтечениенекотороговремени,ононачнетрекомендоватьэлементы,которыевамследуетпрочи- тать, купить, посмотреть. , послушайте или потратьте свое время. Это означает, что системы рекомендаций основаны на трех важных факторах:

1. 1. Пользователи;

   2. Содержание;

   3. Рейтинги.[1]

Сочетание пользователей, контента и рейтингов создает два разных подхода к созданию систем рекомен- даций, а именно:

1. Основанныенаконтенте;

2. Коллаборативнаяфильтрация.

[3]Теперьдавайтерассмотримобаэтихподхода,чтобыпонять,какработаетсистемарекомендаций.

2. Рекомендациинаосновеконтента

Подход, основанный на контенте, основан на пользовательских данных или контенте (под контентом я подра- зумеваю книги, статьи, видео, музыку, продукты для покупки или все, что вы получаете по рекомендациям). Пользовательские данные или контент используются для таргетирования нового пользователя, подпадающе- го под ту же категорию пользователей. [2] Например, все читатели, читающие эту статью, изучают науку о данных, поэтому, если данные новых пользователей имеют те же характеристики, что и другие пользователи, читающие эту статью, они увидят эту статью в рекомендациях.

3. Коллаборативнаяфильтрация

Коллаборативная фильтрация очень сложна по сравнению с системами рекомендаций на основе контента.Они основаны на оценках или комментариях пользователя, и их цель — спрогнозировать рейтинги для каж- дого контента и каждого пользователя. Например, если большинство людей оценивают последний iPhone 5 звездами, в этом случае система рекомендаций спрогнозирует, как вы оцените это предложение, основыва-ясь на данных о ваших интересах, и покажет вам это предложение только в том случае, если прогнозирует положительный отзыв.

Коллаборативная фильтрация более точна, чем системы рекомендаций на основе контента, поскольку она работает с большими наборами данных с большей вычислительной мощностью. [4] Большинство веб-сайтов, использующих совместную фильтрацию, обеспечивают ежедневное обновление своей системы рекомендаций путем переобучения модели и обновления данных о пользователях.

Рекомендательные системы — одно из наиболее широко используемых приложений в науке о данных, и как специалист по данным, вы должны знать все о рекомендательных системах. Надеюсь, вы теперь поняли, что такое рекомендательные системы и как они работают.

4. Списоклитературы

.FalkK.PracticalRecommenderSystems[Текст]:Учебник/K.Falk.–NY:ManningPublications,2019.– 432 c.

1. 1. AggarwalC.C.RecommenderSystems[Текст]:Учебник/C.C.Ag-garwal.–NY:SpringerInternational Publishing, 2016. – 498 с.

   2. ДжонсМ.Рекомендательныесистемы:Часть1.Введениевподходыиалгоритмы[Электронныйресурс]

/ IBM -разработчик. – Режим доступа: https://www.ibm.com/developerworks/ru/library/osrecommender1/index.html (датаобращения14.04.2024).

1. 4. Пятикоп Е.Е. Исследование метода коллаборативной фильтрации на основе сходства элементов [Текст]: Научные работы ДонГТУ. Серия «Информатика, кибернетика и вычислительная техника», 2013. – 109-114 с.