Моделі і методи прогнозування рекомендацій для колаборативних рекомендаційних систем

Abstract

У цій статті проаналізовано сучасний стан моделей і методів побудови рекомендаційних систем. Виділено основні класи задач, які вирішують рекомендаційні системи. Показано особливості застосування методу колаборативної (спільної) фільтрації. Розроблено метод мішаної категоріально-чисельної кластеризації для пошуку груп користувачів, який використовує числові рейтингові і демографічні характеристики користувачів, розроблено гібридний метод пошуку груп користувачів, який використовує коефіцієнт розрідженості матриці користувач-предмет.
This article analyzes the current state of models and methods for constructing recommender systems. The main classes of tasks that solve recommender systems are highlighted. The features of the application of the method of collaborative (joint) filtering are shown. A mixed numerical-categorical clustering method for searching for user groups that uses numerical rating and demographic characteristics of users has been developed, a hybrid method for searching for user groups has been developed that uses the coefficient of usersubject matrix sparseness

Description

Keywords

колаборативна фільтрація, прогнозування рекомендацій, категоріальна кластеризація, групові рекомендації, collaborative filtration, forecasting of recommendations, categorical clustering, group recommendations

Citation

Лобур М. В. Моделі і методи прогнозування рекомендацій для колаборативних рекомендаційних систем / М. В. Лобур, М. Є. Шварц, Ю. В. Стех // Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2018. — № 901. — С. 68–75. — (Інформаційні системи, мережі та технології).