Розробка рекомендаційної системи, заснованої на графі переходів
DOI:
https://doi.org/10.15587/1729-4061.2021.233501Ключові слова:
рекомендаційна система, веб-граф, граф переходів, ланцюг Маркова, випадкове блуканняАнотація
Побудовано рекомендаційну систему для користувачів веб-ресурсу, яка для надання рекомендацій використовує статистичні данні про дії користувачів. Метою роботи системи є надання рекомендацій у вигляді впорядкованої послідовності HTML-сторінок ресурсу, які пропонується відвідати користувачеві. Для виконання процедури ранжування використовується статистична інформація про переходи користувачів між сторінками веб-ресурсу. Модель веб-ресурсу зображено у вигляді веб-графа, а модель поведінки користувача – у вигляді графа переходів між сторінками ресурсу. Веб-граф подається матрицею суміжності, для графа переходів побудовано зважену матрицю ймовірностей переходів між вершинами графа. Враховано, що переходи користувача між сторінками веб-ресурсу можуть здійснюватися шляхом вводу URL-адреси в адресний рядок браузера, або шляхом переходу за посиланням на поточній сторінці. Перехід користувача між вершинами у скінченному графі у відповідності до ймовірностей, які визначаються за вагою ребер графу, зображується однорідним ланцюгом Маркова и вважається процесом випадкового блукання на графі з можливістю переходу у випадкову вершину. Для ранжування сторінок веб-ресурсу для певного користувача використовується метод Random Walk with Restarts. Числовий аналіз виконано для існуючого веб-сайта інтернет магазина. Вихідні дані про користувацькі сесії поділено на навчальну та тестову вибірки. За даними навчальної вибірки було побудовано зважену матрицю ймовірності переходів користувачів між сторінками веб-ресурсу. Для оцінки якості побудованої рекомендаційної системи використано метрики точності, повноти та Half-life Utility. На елементах тестової вибірки отримано значення точності 65–68 %, визначено оптимальну кількість елементів у списку рекомендацій. Досліджено вплив параметрів моделі на якість рекомендаційної систем
Посилання
- Jansen, B. J., Booth, D. L., Spink, A. (2008). Determining the informational, navigational, and transactional intent of Web queries. Information Processing & Management, 44 (3), 1251–1266. doi: https://doi.org/10.1016/j.ipm.2007.07.015
- Adomavicius, G., Tuzhilin, A. (2005). Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, 17 (6), 734–749. doi: https://doi.org/10.1109/tkde.2005.99
- Meleshko, Е. V., Semenov, S. G., Khokh, V. D. (2018). Research of methods of building advisory systems on the internet. Control, Navigation and Communication Systems, 1 (47), 131–136. doi: https://doi.org/10.26906/sunz.2018.1.131
- Aizawa, A. (2003). An information-theoretic perspective of tf–idf measures. Information Processing & Management, 39 (1), 45–65. doi: https://doi.org/10.1016/s0306-4573(02)00021-3
- Parfenenko, Y., Kovtun, A., Verbytska, A. (2019). Recommended information system for video search. Transactions of Kremenchuk Mykhailo Ostrohradskyi National University, 5 (118), 97–102. doi: https://doi.org/10.30929/1995-0519.2019.5.97-102
- Candillier, L., Jack, K., Fessant, F., Meyer, F. (2009). State-of-the-Art Recommender Systems. Collaborative and Social Information Retrieval and Access, 1–22. doi: https://doi.org/10.4018/978-1-60566-306-7.ch001
- Uschold, M., Gruninger, M. (2004). Ontologies and semantics for seamless connectivity. ACM SIGMOD Record, 33(4), 58–64. doi: https://doi.org/10.1145/1041410.1041420
- Covington, P., Adams, J., Sargin, E. (2016). Deep Neural Networks for YouTube Recommendations. Proceedings of the 10th ACM Conference on Recommender Systems. doi: https://doi.org/10.1145/2959100.2959190
- Stotts, P. D., Furuta, R. (1988). Adding browsing semantics to the hypertext model. Proceedings of the ACM Conference on Document Processing Systems - DOCPROCS ’88. doi: https://doi.org/10.1145/62506.62516
- Ol'shevskiy, A. I., Kondrat'eva, A. A. (2008). Opisanie sposobov predstavleniya web-saytov v vide freymovoy modeli dlya realizatsii funktsional'nyh operatsiy v Internet-klientskih sistemah. Iskusstvennyy Intellekt, 1, 110–116. Available at: http://dspace.nbuv.gov.ua/handle/123456789/6551
- Brin, S., Page, L. (1998). The anatomy of a large-scale hypertextual Web search engine. Computer Networks and ISDN Systems, 30 (1-7), 107–117. doi: https://doi.org/10.1016/s0169-7552(98)00110-x
- Herlocker, J. L., Konstan, J. A., Terveen, L. G., Riedl, J. T. (2004). Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems, 22 (1), 5–53. doi: https://doi.org/10.1145/963770.963772
- Tong, H., Faloutsos, C., Pan, J.-Y. (2007). Random walk with restart: fast solutions and applications. Knowledge and Information Systems, 14 (3), 327–346. doi: https://doi.org/10.1007/s10115-007-0094-2
- Huk, N., Dykhanov, S., Matiushchenko, O. (2020). Algorithm for building a website model. Bulletin of V.N. Karazin Kharkiv National University, series «Mathematical modeling. Information technology. Automated control systems», 47, 25–34. Available at: https://periodicals.karazin.ua/mia/article/view/16486
- Olson, D. L., Delen, D. (2008) Advanced Data Mining Techniques. Springer, 180. doi: https://doi.org/10.1007/978-3-540-76917-0
- Nasinnia krainy. Available at: http://semena-dnepr.org.ua/
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Natalia Guk, Olga Verba, Vladyslav Yevlakov
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
