Автор(-ы):
Голубев Роман Олегович
28 февраля 2024
Научный руководитель
Бочаров Алексей Владимирович
Секция
Информационные технологии
Ключевые слова
Аннотация статьи
В данной статье рассматривается классификация рекомендательных систем, выделяются методы и ограничения для каждой из них. Интерес к данной теме вызван появлением обширного количества ресурсов в сети Интернет, использующих данный вид систем. Акцент делается на сравнительном анализе методов и ограничений в данных системах.
Текст статьи
Рекомендательные системы – это программное обеспечение, которое анализирует интересы и предпочтения пользователя, и предлагает контент в соответствии с ними. Они изменили способы взаимодействия пользователей с программными системами, так как вместо статической информации они адаптируются под пользователя, обеспечивая более интерактивное взаимодействие и расширяя возможности для пользователей [1].
Рекомендательные системы играют значительную роль в современном мире, поскольку они упрощают процесс принятия решений для потребителей и позволяют предоставлять персонализированные услуги и товары.
Рекомендации используются в самых разных сферах бизнеса. Интернет-магазины и магазины розничной торговли демонстрируют товары в таких разделах, как "популярный товар месяца", "куплено с этим товаром". Сервисы потокового воспроизведения музыки и видео используют рекомендации для составления плейлистов на день или рекомендуют фильмы на вечер. СМИ показывают контент, который может понравиться пользователям, а социальные сети предлагают добавить новых друзей в контакты.
Ключевые роли рекомендательных систем в современном мире включают в себя:
Рекомендательные системы анализируют предпочтения пользователей и предсказывают, что им понравится в будущем. Их алгоритмы часто основаны на машинном обучении; искусственный интеллект учится на основе выбора пользователя и предоставляет новые возможности для взаимодействия [2].
В настоящее время рекомендательные системы встречаются повсеместно. По сути, почти любой серьезный интернет-магазин, новостной портал либо онлайн-кинотеатр применяет какую-нибудь рекомендательную систему, чтобы предоставить пользователям то, что им нужно [3].
Рекомендации могут быть персонализированными и не персонализированными. В первом случае мы знаем что-то о пользователе и основываемся на его предпочтениях, во втором – используем популярные или сопутствующие товары [2].
Выделяют четыре вида рекомендательных систем:
Контентная фильтрация. Этот метод использует характеристики и описания элементов для предложения пользователю похожих элементов, которые они могут найти интересными. Преимуществами контентной фильтрации являются возможность рекомендовать новые элементы, доступность для новых пользователей, и отсутствие проблемы холодного старта (когда у пользователя нет истории оценок). Однако этот метод ограничен в том, что он может игнорировать скрытые предпочтения пользователя, которые могут быть связаны с его поведением, но не описаны в содержании элемента.
Коллаборативная фильтрация. Этот метод анализирует взаимодействие пользователей и элементов для предоставления рекомендаций. Преимущества коллаборативной фильтрации включают способность учесть скрытые паттерны и предпочтения, что позволяет предлагать более персонализированные рекомендации. Ограничения включают ограниченную способность рекомендовать новые элементы и требование наличия большого объема данных о пользователях и их предпочтениях для точных прогнозов.
Фильтрация на основе знаний. Этот метод использует экспертные знания или правила для предложения рекомендаций. Преимущества включают возможность объяснения рекомендаций и учета ограничений и правил. Однако ограничения включают необходимость постоянного обновления базы знаний и возможное ограничение разнообразия предложений.
Гибридная рекомендательная система. Объединяет различные методы рекомендаций, такие как контентную, коллаборативную, и фильтрацию на основе знаний, чтобы улучшить точность и полезность системы рекомендаций.
При выборе подходящего метода рекомендательной системы для конкретной задачи или отрасли следует учитывать ряд факторов:
Рекомендательные системы играют важную роль в современном мире, улучшая потребительский опыт, повышая уровень удовлетворения клиентов, увеличивая конверсию и продажи, оптимизируя предложения услуг и контента, а также обогащая данные и инсайты о поведении клиентов и потребностях рынка. Различают четыре вида рекомендательных систем: контентную фильтрацию, коллаборативную фильтрацию, фильтрацию, основанную на знаниях и гибридные рекомендательные системы. При выборе подходящего метода рекомендательной системы для конкретной задачи или отрасли необходимо учитывать такие факторы, как тип данных, разнообразие товаров или услуг, наличие данных, пользовательский опыт, а также точность и интерпретируемость метода.
Список литературы
Поделиться
Голубев Р. О. Методы и ограничения в рекомендательных системах // Актуальные исследования. 2024. №9 (191). Ч.I.С. 34-36. URL: https://apni.ru/article/8575-metodi-i-ogranicheniya-v-rekomendatelnikh