Upload
yevhenii-zapletin
View
274
Download
3
Embed Size (px)
Citation preview
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
Копия презентации доступна на SlideShare
“Основные походы при создании
рекомендательных систем” http://www.slideshare.net/YevheniiZapletin/2-48405500