Основные подходы при создании рекомендательных...

ОСНОВНЫЕ ПОДХОДЫ ПРИ СОЗДАНИИ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ

Автор: Заплетин Е.А.Руководитель: Григорьев А.В.

VI международная научно-техническая конференция студентов, аспирантов и молодых ученых «Информационные управляющие системы и компьютерный мониторинг – 2015»

ДонНТУ Донецк 2015

Введение

Основная задача рекомендательных алгоритмов: анализировать запросы пользователя и свойства объектов и на основе этих данных предугадывать действия пользователя.

МеханизмПользователь может:– Искать объекты (новости, музыка, видео, книги, и т.д)– Покупать, скачивать, слушать, смотреть и т.д;– Оценивать (1-10, «Мне нравится», делится с друзьями).

Рекомендательный сервис– Анализирует действия пользователя, его друзей, свойства объектов и знания про сферу рекомендаций;– Предлагает список рекомендованных объектов.

Проблема длинного хвоста

Например, 20% видов товаров в интернет-магазинах делают 80% выручки. Пользователи покупают в основном популярные товары, а про существование оставшихся товаров пользователь может даже не знать

Виды рекомендательных систем

1. Основанные на действиях пользователей (user-based)

2. Основанные на свойствах объектов (item-based)

3. Основанные на знаниях (knowledge-based)

4. Гибридные (hybrid)

1. Основанные на действиях пользователей (user-based)

Системы используют только информацию о действиях пользователя.

Основная идея следующая - если пользователи U1 и U2 купили книгу B1, а пользователь U2 купил еще и книгу B2, то логично предположить что книга B2 будет также интересна пользователю B1.

2. Основанные на свойствах объектов (item-based)

Системы данного типа анализируют свойства рекомендуемых предметов(жанр книг) и свойства текущего пользователя(увлечения). Данные свойства могут быть введены вручную или вычислены автоматически.

3. Основанные на знаниях (knowledge-based)

Системы из этой группы используют знания про сферу предполагаемых продуктов. Основной принцип работы данных систем основан на активном взаимодействии с пользователем(получения обратной связи) и знаниях о сферах рекомендации. Данный тип систем используют в том случае, когда тип 1 и 2 использовать невозможно из-за небольшого количества данных.

4. Гибридные (hybrid)

Гибридные системы объединяют все описанные подходы в единый алгоритм и имеют наибольшую эффективность. Такие системы наиболее сложны в реализации и проектировании. Сложность заключается в адаптации алгоритмов к конкретной сфере применения.

Сравнение подходов

Диаграмма цикла работы рекомендательного сервиса

Вывод

Существует несколько способов реализации алгоритма рекомендаций. Однако не один из способов в одиночку не может дать хороших результатов. Поэтому на практике всегда необходимо использовать гибридную систему, которая объединяет несколько способов.

Литература

1. Mining of Massive Datasets; J.Leskovec, A. Rajaraman, J. Ullman; Cambridge University Press. – Cambridge : 2011.2. Introduction to Recommender Systems; F.Ricci, L.Rokach, B. Shapira; Springer, 2011.3. Recommender Systems Handbook; F.Ricci, L.Rokach, B. Shapira; Springer, 2011. Springer, 2013.4. Collaborative Filtering Recommender Systems; Michael D. Ekstrand, John T. Riedl, Joseph A. Konstan; Human–Computer Interaction, 2011.

Контакты

Заплетин Евгений

zapletin.yevhenii@gmail.com

Копия презентации доступна на SlideShare

“Основные походы при создании

рекомендательных систем” http://www.slideshare.net/YevheniiZapletin/2-48405500