Покращення алгоритму «item to item» методу колаборативної фільтрації для розробки рекомендаційних систем на основі косинусної міри шляхом оцінки релевантності
DOI:
https://doi.org/10.15587/2313-8416.2018.120886Ключевые слова:
кореляція, косинус, колаборативна, фільтрація, вектор, Танімото, user, ID, URLАннотация
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
Библиографические ссылки
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
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2018 Vladimir Kucheruk, Mikhail Hlushko
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Наше издание использует положения об авторских правах Creative Commons CC BY для журналов открытого доступа.
Авторы, которые публикуются в этом журнале, соглашаются со следующими условиями:
1. Авторы оставляют за собой право на авторство своей работы и передают журналу право первой публикации этой работы на условиях лицензии Creative Commons CC BY, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылкой на авторов оригинальной работы и первую публикацию работы в этом журнале.
2. Авторы имеют право заключать самостоятельные дополнительные соглашения, которые касаются неэксклюзивного распространения работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном хранилище учреждения или публиковать в составе монографии), при условии сохранения ссылки на первую публикацию работы в этом журнале .
