Формування рекомендацій фільмів на основі гібридного підходу
DOI:
https://doi.org/10.31498/2225-6733.41.2020.226119Ключові слова:
рекомендаційна система, колаборативна фільтрація, контентна фільтрація, схожість елементівАнотація
Стаття присвячена темі створення системи рекомендацій, яка зможе проаналізувати дані, отримані від користувача про вподобання фільмів та використати їх для прогнозування нових рекомендацій. В рамках роботи було проведено аналіз наукових видань, існуючих методів та алгоритмів, які використовуються для побудови системи рекомендацій та їх гібридизацію. Визначено, що гібридизація може бути досягнута різними підходами завдяки поєднанню декількох алгоритмів. Об’єднання методів для вирішення проблеми в більшості випадків дає більш ефективні і точні результати. Для реалізації гібридного підходу обрано два метода: фільтрацію на основі вмісту та спільну (колаборативну) фільтрацію, кожен з яких відповідає певному сценарію рекомендацій. У експериментальних дослідженнях було випробувано здатність системи запропонувати фільми, спираючись на дані про подібність користувачів. Подібність користувачів розраховувалась на основі вимірювання ступеня лінійної залежності – коефіцієнт кореляції Пірсона
Посилання
Перелік використаних джерел (ДСТУ):
Либрусек – много книг [Електронний ресурс] : [Веб-сайт]. – Електронні дані. – Режим доступу: www.librusec.pro. – Назва з екрану.
Isinkaye F.O. Recommendation systems: Principles, methods and evaluation / F.O. Isinkaye, Y.O. Folajimi, B.A. Ojokoh // Egyptian informatics journal. – 2015. – Vol. 16 (3). – Pp. 261-273. – Mode of access: https://doi.org/10.1016/j.eij.2015.06.005.
Чередніченко О.Ю. Моделі формування рекомендацій у інтелектуальних системах електронної комерції / О.Ю. Чередніченко, О.В. Янголенко, О.В. Іващенко, О.М. Матвєєв // Системи обробки інформації. – 2020. – № 1 (160). – С. 32-39. – Mode of access: https://doi.org/10.30748/soi.2020.160.04.
Мазурік О.Ю. Покращення результатів роботи рекомендаційних систем за допомогою алгоритму SVD / О.Ю. Мазурік // International scientific journal. – 2015. – № 9. – С. 61-64. – Режим доступу: http://nbuv.gov.ua/UJRN/mnj_2015_9_16.
Aggarwal C.C. Recommender Systems: The Textbook / C.C. Aggarwal. – New York : Springer International Publishing, 2017. – 498 p.
Мелешко Є.В. Дослідження методів побудови рекомендаційних систем в мережі інтер-нет / Є.В. Мелешко, С.Г. Семенов, В.Д. Хох // Системи управління, навігації та зв’язку. – Полтава: ПНТУ, 2018. – Т. 1 (47). – С. 131-136. – Mode of access: https://doi.org/10.26906/SUNZ.2018.1.131.
Thorat P.B. Survey on collaborative filtering, content-based filtering and hybrid recommen-dation system / P.B. Thorat, , R.M. Goudar, S. Barve // International Journal of Computer Applications. – 2015. – № 110 (4). – Pp. 31-36. – Mode of access: https://doi.org/10.5120/19308-0760.
Content-based collaborative filtering for news topic recommendation / Z. Lu, Z. Dou, J. Lian, X. Xie, Q. Yang // Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence (AAAI’15). – AAAI Press, 2015. – Pp. 217-223.
Лобур М.В. Моделі і методи прогнозування рекомендацій для колаборативних рекомендаційних систем / М.В. Лобур, М.Є. Шварц, Ю.В. Стех // Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі». – Львів, 2018. – № 901. – С. 68-75.
Ly A. Analytic posteriors for Pearson’s correlation coefficient / A. Ly, M. Marsman, E.J. Wagenmakers // Statistica Neerlandica. – 2018. – Vol. 72 (1). – Pp. 4-13. – Mode of access: https://doi.org/10.1111/stan.12111.
References:
Librusek – mnogo knig (Librusek – many books) Available at: www.librusec.pro (accessed 20 June 2020). (Rus.)
Isinkaye F.O., Folajimi Y.O., Ojokoh B.A. Recommendation systems: Principles, methods and evaluation. Egyptian informatics journal, 2015, vol. 16 (3), pp. 261-273. doi: 10.1016/j.eij.2015.06.005.
Cherednichenko O.Yu., Yanholenko O.V., Ivashchenko O.V., Matvyeyev O.M. Modeli formuvannya rekomendatsiy u intelektual’nykh systemakh elektronnoyi komertsiyi [Models of formation of recommendations in intellectual systems of electronic commerce]. Systemy obrobky informatsiyi – Information processing systems, 2020, no. 1 (160), pp. 32-39. doi: 10.30748/soi.2020.160.04. (Ukr.)
Mazurik O.Yu. Pokrashchennya rezul’tativ roboty rekomendatsiynykh system za dopomo-hoyu alhorytmu SVD [Improving the results of recommendation systems using the SVD al-gorithm]. International scientific journal, 2015, no. 9, pp. 61-64. Available at: http://nbuv.gov.ua/UJRN/mnj_2015_9_16. (Ukr.)
Aggarwal C.C. Recommender Systems: The Textbook. New York, Springer International Publ., 2017. 498 p.
Meleshko Ye.V., Semenov S.H., Khokh V.D. Doslidzhennya metodiv pobudovy rek-omendatsiynykh system v merezhi internet [Research of methods for building recommenda-tion systems on the Internet]. Systemy upravlinnya, navihatsiyi ta zv’yazku – Control, navi-gation and communication systems, 2018, vol. 1 (47), pp. 131-136. doi: 10.26906/sunz.2018.1.131. (Ukr.)
Thorat P.B., Goudar R.M., Barve S. Survey on collaborative filtering, content-based filtering and hybrid recommendation system. International Journal of Computer Applications, 2015, no. 110 (4), pp. 31-36. doi: 10.5120/19308-0760.
Lu Z., Dou Z., Lian J., Xie X., Yang Q. Content-based collaborative filtering for news topic recommendation. Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelli-gence (AAAI’15), 2015, pp. 217-223.
Lobur M.V., Shvarts M.Ye., Stekh Yu.V. (2018) Modeli i metody prohnozuvannya rek-omendatsiy dlya kolaboratyvnykh rekomendatsiynykh system [Models and methods of forecasting recommendations for collaborative recommendation systems]. Visnyk Natsion-al’noho universytetu «L’vivs’ka politekhnika» «Informatsiyni systemy ta merezhi» – Journal of Lviv Polytechnic National University «Information Systems and Networks», 2018, no. 901, pp. 68-75. (Ukr).
Ly A., Marsman M., Wagenmakers E.J. Analytic posteriors for Pearson’s correlation coeffi-cient. Statistica Neerlandica, 2018, vol. 72 (1), pp. 4-13. doi: 10.1111/stan.12111.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Журнал "Вісник Приазовського державного технічного університету. Серія: Технічні науки" видається під ліцензією СС-BY (Ліцензія «Із зазначенням авторства»).
Дана ліцензія дозволяє поширювати, редагувати, поправляти і брати твір за основу для похідних навіть на комерційній основі із зазначенням авторства. Це найзручніша з усіх пропонованих ліцензій. Рекомендується для максимального поширення і використання неліцензійних матеріалів.
Автори, які публікуються в 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 Attribution License, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи в цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди, які стосуються неексклюзивного поширення роботи в 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 в цьому журналі.
