Покращення алгоритму «item to item» методу колаборативної фільтрації для розробки рекомендаційних систем на основі косинусної міри шляхом оцінки релевантності
DOI:
https://doi.org/10.15587/2313-8416.2018.120886Ключові слова:
кореляція, косинус, колаборативна, фільтрація, вектор, Танімото, user, ID, URLАнотація
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
Посилання
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
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Vladimir Kucheruk, Mikhail Hlushko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons CC BY для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
