ВИЗНАЧЕННЯ ПЕРЕВАГ У РЕКОМЕНДАЦІЙНИХ СИСТЕМАХ НА ОСНОВІ ТЕХНОЛОГІЇ КОМПАРАТОРНОЇ ІДЕНТИФІКАЦІЇ

Автор(и)

DOI:

https://doi.org/10.30837/ITSSI.2022.20.014

Ключові слова:

багатокритеріальне оцінювання, компараторна ідентифікація, рекомендаційна система, ранжування об’єктів, структурно-параметричний синтез

Анотація

Предметом дослідження в статті є процес ранжування об’єктів у списках рекомендаційних систем. Мета роботи – підвищення ефективності рекомендаційних систем за рахунок удосконалення методу визначення переваг між об’єктами у списках з використанням теорії прийняття багатокритеріальних рішень. У статті вирішуються наступні завдання: огляд і аналіз сучасного стану проблеми встановлення переваг між об’єктами та їхнього ранжування у списках рекомендаційних систем; аналіз методів фільтрації, що використовуються в рекомендаційних системах; декомпозиція проблеми підтримки прийняття рішень з вибору об’єктів; розробка комбінованого методу ранжування об’єктів у списках рекомендаційних систем, який об’єднує процедури виділення підмножини Парето-оптимальних об’єктів, структурно-параметричного синтезу моделі скалярного багатокритеріального оцінювання та оцінювання всієї множини виділених об’єктів. Використовуються такі методи: математичного моделювання, теорії систем, теорії корисності, теорії прийняття рішень, оптимізації та дослідження операцій. Результати. За результатами аналізу сучасної методології ранжування об’єктів у списках рекомендаційних систем встановлена можливість підвищення їхньої ефективності. Для врахуванням факторів, що важко піддаються формалізації, знань і досвіду користувачів запропоновано реалізувати визначення переваг між об’єктами з використанням теорії прийняття багатокритеріальних рішень. Виконана декомпозиція проблеми формування списків рекомендаційних систем на задачі виділення підмножини Парето-оптимальних об’єктів, структурно-параметричного синтезу моделі скалярного багатокритеріального оцінювання та оцінювання множини виділених об’єктів. Розроблено комбінований метод ранжування варіантів, який об’єднує процедури технологій ординалістичного та кардиналістичного впорядкування та дозволяє коректно скорочувати підмножин об’єктів, що включаються до списків рекомендацій. Висновки. Розроблений метод встановлення переваг розширює методологічні засади автоматизації процесів розробки та експлуатації рекомендаційних систем, інших систем підтримки прийняття багатокритеріальних рішень, дозволяє здійснювати  коректне скорочення множини недомінованих об’єктів для остаточного вибору з урахуванням факторів, що важко піддаються формалізації, знань і досвіду користувачів. Практичне використання отриманих результатів за рахунок більш економного методу формування списків при додаванні нових об’єктів дозволить знизити часову й ємнісну складності процедур надання рекомендацій, а за рахунок врахування множини зважених локальних показників і виділення множини недомінованих об’єктів – підвищити якість рекомендацій, що надаються.

Біографії авторів

Vladimir Beskorovainyi, Харківський національний університет радіоелектроніки

доктор технічних наук, професор

Lyudmyla Kolesnyk, Харківський національний університет радіоелектроніки

кандидат технічних наук, доцент

Alokhina Mariia, Харківський національний університет радіоелектроніки

магістр комп'ютерних наук

Viktor Кosenko, Національний університет «Полтавська політехніка імені Юрія Кондратюка»

доктор технічних наук, професор

Посилання

Wang, Wei (2018), "Recommended System of Application and Development", AIP Conference Proceedings 1955, 040180. DOI: https://doi.org/10.1063/1.5033844

Isinkaye, F. O., Folajimi, Y. O., Ojokoh, B. A. (2015), "Recommendation systems: Principles, methods and evaluation", Egyptian Informatics Journal, Vol. 16, Issue. 3, P. 261–273. DOI: https://doi.org/10.1016/j.eij.2015.06.005

Veres, О., Levus, Ya. (2022), "Recommendation system for leisure planning in quarantine conditions" ["Rekomendacijna systema planuvannya dozvillya v umovax karantynu"], Bulletin of the Lviv Polytechnic National University. Information systems and networks, Vol. 11, P. 127–144. DOI: https://doi.org/10.23939/sisn2022.11.127

Lobur, М. V., Shwarz, М. Ye., Steh Yu. V. (2018), "Models and methods of forecasting recommendations in collaborative recommender systems" ["Modeli i metody prognozuvannya rekomendacij v kolaboratyvnyx rekomendacijnyx systemax"], Bulletin of the Lviv Polytechnic National University, Information systems and networks, No. 901, P. 68–75.

Chalyi, S., Leshchynskyi, V., Leshchynska, І. (2019), "Addition of input data of the recommender system in the situation of a cyclical cold start using temporal restrictions of the type "next" ["Dopovnennya vxidnyx danyx rekomendacijnoyi systemy v sytuaciyi cyklichnogo xolodnogo startu z vykorystannyam temporalnyx obmezhen typu "next""], Control, navigation and communication systems, Vol. 4 (56), Р. 105–109. DOI: https://doi.org/10.26906/SUNZ.2019.4.105

Velasquez, Mark, Hester, Patrick T. (2013), "An Analysis of Multi-Criteria Decision Making Methods", International Journal of Operations Research, Vol. 10, No. 2, Р. 5666.

Zlaugotne, B., Zihare, L., Balode, L., Kalnbalkite, A., Khabdullin, A., Blumberga, D. (2020), "Multi-Criteria Decision Analysis Methods Comparison", Environmental and Climate Technologies, 24 (1), Р. 454–471. DOI: https://doi.org/10.2478/rtuect-2020-0028

Mark Velasquez1 and Patrick T. Hester (2013),"An Analysis of Multi-Criteria Decision Making Methods", International Journal of Operations Research, Vol. 10, No. 2, Р. 5666.

Ishizaka, A., Nemery, P. (2013), Multi-Criteria Decision Analysis, John Wiley & Sons, 312 p.

Bernasconi, M., Choirat, C., & Seri, R. (2014), "Empirical properties of group preference aggregation methods employed in AHP: Theory and evidence", European Journal of Operational Research, Vol. 232, Issue. 3, Р. 584–592. DOI: https://doi.org/10.1016/j.ejor.2013.06.014

Ataei, M., Shahsavany, H., & Mikaeil, R. (2013), "Monte Carlo Analytic Hierarchy Process (MAHP) approach to selection of optimum mining method", International Journal of Mining Science and Technology, 23, Р. 573–578. DOI: https://doi.org/10.1016/j.ijmst.2013.07.017

Bagočius, V., Zavadskas, E. K., & Turskis, Z. (2014), "Multi-person selection of the best wind tur-bine based on the multi-criteria integrated additive-multiplicative utility function", Journal of Civil Engineering and Management, 20, Р. 590–599. DOI: 10.3846/13923730.2014.932836

Baky, I. A. (2014), "Interactive TOPSIS algorithms for solving multi-level non-linear multi-objective decision-making problems", Applied Mathematical Modelling, 38, Р. 1417–1433. DOI: https://doi.org/10.1016/j.apm.2013.08.016

Baky, I. & Abo-Sinna, M. (2013), "TOPSIS for bi-level MODM problems", Applied Mathematical Modelling, 37 (3), Р. 1004–1015. DOI: https://doi.org/10.1016/j.apm.2012.03.002

Ekstrand, M. D., Riedl, J. T., Konstan, J. A. (2011), "Collaborative Filtering Recommender Systems", Foundations and Trends in Human–Computer Interaction, Vol. 4, No. 2, P. 81–173. DOI: http://dx.doi.org/10.1561/1100000009

Son Le Hoang (2016), "Dealing with the new user cold-start problem in recommender systems: A comparative review", Information Systems, 58, Р. 87–104. DOI: https://doi.org/10.1016/j.is.2014.10.001

Beskorovainyi, V. V., Petryshyn, L. B., Shevchenko, O. Y. (2020), "Specific subset effective option in technology design decisions", Applied Aspects of Information Technology, Vol. 3, No.1, P. 443–455. DOI: https://doi.org/10.15276/aait.01.2020.6

Beskorovainyi, V. (2020), "Combined method of ranking options in project decision support systems", Innovative Technologies and Scientific Solutions for Industries, No. 4 (14), Р. 13–20. DOI: https://doi.org/10.30837/ITSSI.2020.14.013

Ricci, F., Rokach, L., Shapira, B., Kantor, P. B. (2001), Recommender Systems Handbook, New York: Springer, 845 р.

Beskorovainyi, V., Berezovskyi, G. (2017), "Estimating the properties of technological systems based on fuzzy sets", Innovative Technologies and Scientific Solutions for Industries, No. 1 (1), Р. 14–20.

Beskorovainyi, V., Berezovskyi, H. (2017), "Іdentification of preferences in decision support systems", ECONTECHMOD, Vol. 06, No. 4, Р. 15–20.

Beskorovainyi, V. (2017), "Parametric synthesis of models for multi criterial estimation of technological systems", Innovative Technologies and Scientific Solutions for Industries, No. 2 (2), P. 5–11.

##submission.downloads##

Опубліковано

2022-06-30

Як цитувати

Beskorovainyi, V., Kolesnyk, L., Mariia, A., & Кosenko V. (2022). ВИЗНАЧЕННЯ ПЕРЕВАГ У РЕКОМЕНДАЦІЙНИХ СИСТЕМАХ НА ОСНОВІ ТЕХНОЛОГІЇ КОМПАРАТОРНОЇ ІДЕНТИФІКАЦІЇ. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (2 (20), 14–21. https://doi.org/10.30837/ITSSI.2022.20.014