Алгоритм машинного обучения для решения задачи формирования рекомендаций товаров и услуг

169

Аннотация

В статье предложен алгоритм машинного обучения без учителя для оценки наиболее возможных отношений между двумя элементами множеств клиентов и товаров/ услуг с целью для построения рекомендательной системы. Рассмотрены методы на основе коллаборативной фильтрации и фильтрации на основе содержания. Разработан комбинированный алгоритм выявления отношений на множествах, сочетающий достоинства анализируемых подходов. Оценена сложность алгоритма. Даны рекомендации по эффективной реализации алгоритма с целью уменьшения объема используемой памяти. На примере задачи рекомендаций книг показано применение данного комбинированного алгоритма. Данный алгоритм может использоваться для «холодного старта» рекомендательной системы, когда ещё не существует размеченных качественных выборок обучения более сложных моделей.

Общая информация

Ключевые слова: машинное обучение, обучение без учителя, рекомендательные системы, сходство объектов, отношение, множество

Рубрика издания: Анализ данных

DOI: https://doi.org/10.17759/mda.2020100401

Для цитаты: Судаков В.А., Трофимов И.А. Алгоритм машинного обучения для решения задачи формирования рекомендаций товаров и услуг // Моделирование и анализ данных. 2020. Том 10. № 4. С. 5–16. DOI: 10.17759/mda.2020100401

Литература

  1. Melville P., Mooney R., Nagarajan R. Content-Boosted Collaborative Filtering for Improved Recommendations // University of Texas, USA : Материалы конф. / AAAI-02, Austin, TX, USA, 2002. – 2002. – pp. 187–192.
  2. Jannach D., Zanker M., Felfering A., Friedrich G. Recommender Systems: An Introduction. Cambridge University Press, 2010.
  3. Ricci F., Rokach L., Shapira B., Kantor P. Recommender Systems: Handbook. Springer, 2011.
  4. Linden G., Smith B., York J., com recommendations: item-to-item collaborative filtering // Internet Computing – IEEE 7 2003 – pp. 76–80.
  5. Melville P., Mooney R.J., Nagarajan R. Content-boosted collaborative filtering for improved recommendations // in Proceedings of the National Conference on Artificial Intelligence – 2002 – pp. 187–192.
  6. Белова К.М., Судаков В.А. Исследование эффективности методов оценки релевантности текстов // Препринты ИПМ им. М.В. Келдыша 2020. No 68. 16 с. http://doi.org/10.20948/ prepr-2020–68

Информация об авторах

Судаков Владимир Анатольевич, доктор технических наук, профессор кафедры 805, Московский авиационный институт (МАИ), ведущий научный сотрудник, Федеральное государственное учреждение «Федеральный исследовательский центр Институт прикладной математики им. М.В. Келдыша Российской академии наук» (ИПМ им. М.В. Келдыша РАН), Москва, Россия, ORCID: https://orcid.org/0000-0002-1658-1941, e-mail: sudakov@ws-dss.com

Трофимов Иван Александрович, студент, Московский авиационный институт (МАИ), Москва, Россия, e-mail: trofimovc137@gmail.com

Метрики

Просмотров

Всего: 365
В прошлом месяце: 8
В текущем месяце: 3

Скачиваний

Всего: 169
В прошлом месяце: 4
В текущем месяце: 7