Покращення алгоритму «item to item» методу колаборативної фільтрації для розробки рекомендаційних систем на основі косинусної міри шляхом оцінки релевантності

Vladimir Kucheruk, Mikhail Hlushko

Аннотация


Представлено аналіз результатів порівняння рекомендаційних систем на основі коефіцієнту кореляції Танімото у порівняння із алгоритмом «item to item» колаборативної фільтрації шляхом оцінки релевантності. Сформовані дані для досліджень у вигляді користувачів із унікальними ID. Алгоритм колабортивної фільтрації заснований на косинусній мірі, яка являє подібність предметів як косинус між векторами покупок в матриці користувачів та предметів


Ключевые слова


кореляція; косинус; колаборативна; фільтрація; вектор; Танімото; user; ID; URL

Полный текст:

PDF (Українська)

Литература


Recommendation system (2016). Wikipedia. Available at: https://uk.wikipedia.org/wiki/Рекомендаційна_система

Collaborative filtration (2012). Habrahabr. Available at: https://habrahabr.ru/post/150399/

Slope One (2015). Available at: https://en.wikipedia.org/wiki/Slope_One

Su, X., Khoshgoftaar, T. M. (2009). A Survey of Collaborative Filtering Techniques. Advances in Artificial Intelligence, 2009, 1–19. doi: 10.1155/2009/421425

Gomzin, A. G., Korshunov, A. V. (2012). Systems of recommendations: an overview of modern approaches. Proceedings of the ISP RAS, 402–417. Available at: http://cyberleninka.ru/article/n/sistemy-rekomendatsiy-obzorsovremennyh-podhodov

Ghazanfar, M. A., Prugel-Bennett, A. (2010). Building Switching Hybrid Recommender System Using Machine Learning Classifiers and Collaborative Filtering. International Journal of Computer Science, 37 (3). Available at: http://www.iaeng.org/IJCS/issues_v37/issue_3/IJCS_37_3_09.pdf

Example ad (2017). Automoto. Available at: https://automoto.ua/uk/Mercedes-Benz-GLE-Class-2017-Khmelnytskyi-18044982.html

Linden, G., Smith, B., York, J. (2003). Amazon.com recommendations: item-to-item collaborative filtering. IEEE Internet Computing, 7 (1), 76–80. doi: 10.1109/mic.2003.1167344

Hu, Y., Koren, Y., Volinsky, C. (2008). Collaborative filtering for implicit feedback datasets. 2008 Eighth IEEE International Conference on Data Mining. Pisa, 263–272. doi: 10.1109/icdm.2008.22

Sarwar, B. M., Karypis, G., Konstan, J. A. (2001). Item-based collaborative filtering recommendation algorithms. Proceedings of ACM WWW '01. Hong Kong, 285–295. doi: 10.1145/371920.372071

Karypis, G. (2001). Evaluation of object-based top-N algorithms. Proceedings of the tenth international conference on Information and knowledge management – CIKM'01. Atlanta, 247–254. doi: 10.1145/502624.502627

Glushko, M. V., Kucheruk, V. Yu., Mitkovsky, O. (2017). Improvement of the algorithm item to item method of collaborative filtration for the development of advisory systems by the assessment of relevance. Measurement, control and diagnostics in technical systems. Vinnitsa, 215. Available at: http://mpa.vntu.edu.ua/images/conference/conf2017/VCDTS%202017.pdf


Пристатейная библиография ГОСТ


Рекомендаційна система // Wikipedia.org. Дата оновлення: 31 липня 2016. URL: https://uk.wikipedia.org/wiki/Рекомендаційна_система

Коллаборативная фильтрация // Habrahabr. Дата обновления: 28 августа 2012. URL: https://habrahabr.ru/post/150399/

Slope One // Wikipedia. Last edited: 30 April 2015. URL: https://en.wikipedia.org/wiki/Slope_One

Su X., Khoshgoftaar T. M. A Survey of Collaborative Filtering Techniques // Advances in Artificial Intelligence. 2009. Vol. 2009. P. 1–19. doi: 10.1155/2009/421425

Гомзин А. Г., Коршунов А. В. Системы рекомендаций: обзор современных подходов // Труды ИСП РАН. 2012. C. 402–417. URL: http://cyberleninka.ru/article/n/sistemy-rekomendatsiy-obzorsovremennyh-podhodov

Ghazanfar M. A., Prugel-Bennett A. Building Switching Hybrid Recommender System Using Machine Learning Classifiers and Collaborative Filtering // International Journal of Computer Science. 2010. Vol. 37, Issue 3. URL: http://www.iaeng.org/IJCS/issues_v37/issue_3/IJCS_37_3_09.pdf

Приклад оголошення. Automoto. 2017. URL: https://automoto.ua/uk/Mercedes-Benz-GLE-Class-2017-Khmelnytskyi-18044982.html

Linden G., Smith B., York J. Amazon.com recommendations: item-to-item collaborative filtering // IEEE Internet Computing. 2003. Vol. 7, Issue 1. P. 76–80. doi: 10.1109/mic.2003.1167344

Hu Y., Koren Y., Volinsky C. Collaborative filtering for implicit feedback datasets // 2008 Eighth IEEE International Conference on Data Mining. Pisa, 2008. P. 263–272. doi: 10.1109/icdm.2008.22

Sarwar B. M., Karypis G., Konstan J. A. Item-based collaborative filtering recommendation algorithms // Proceedings of ACM WWW '01. Hong Kong, 2001. 285–295. doi: 10.1145/371920.372071

Karypis G. Evaluation of object-based top-N algorithms // Proceedings of the tenth international conference on Information and knowledge management – CIKM'01. Atlanta, 2001. P. 247–254. doi: 10.1145/502624.502627

Кучерук В. Ю., Глушко М. В., Митковський О. Покращення алгоритмуitemtoitem методу колаборативної фільтрації для розробки рекомендаційних систем шляхом оцінки релевантності // Вимірювання, контроль та діагностика в технічних системах (ВКДТС-2017). Вінниця, 2017. C. 215. URL: http://mpa.vntu.edu.ua/images/conference/conf2017/VCDTS%202017.pdf





DOI: https://doi.org/10.15587/2313-8416.2018.120886

Ссылки

  • На текущий момент ссылки отсутствуют.




Copyright (c) 2018 Vladimir Kucheruk, Mikhail Hlushko

Creative Commons License
Эта работа лицензирована Creative Commons Attribution 4.0 International License.

ISSN 2313-8416 (Online), ISSN 2313-6286 (Print)