МЕТОДИ ОЦІНКИ ЯКОСТІ РОБОТИ РЕКОМЕНДАЦІЙНИХ СИСТЕМ
DOI:
https://doi.org/10.26906/SUNZ.2018.5.092Ключові слова:
рекомендаційні системи, показники якості, точність роботи, якість роботи, покриття, бульбашка фільтрів, інформаційна безпека, аналіз даних, тестування програмного забезпеченняАнотація
Предметом вивчення у статті є процес оцінки якості роботи рекомендаційних систем. Метою є виявлення найважливіших показників якості роботи рекомендаційних систем та визначення методів їх оцінювання. Завдання: дослідити методи оцінки якості роботи рекомендаційних систем, дослідити показники якості роботи рекомендаційних систем. Отримані такі результати: Розглянуто основні та додаткові показники якості роботи рекомендаційних систем. Проведено дослідження їх важливості з погляду оцінки різних властивостей списку рекомендацій. Визначено напрямки подальших досліджень для розробки методів оцінки якості роботи рекомендаційних систем. Висновки. Основними показниками якості роботи рекомендаційних систем є точність прогнозування оцінок користувача та покриття простору об’єктів і покриття простору користувачів. Додатковими показниками якості роботи рекомендаційних систем є різноманітність, новизна, неочікуваність, робастність, приватність, ризик тощо. Показники різноманітність, новизна, неочікуваність дозволяють оцінити якість структури рекомендацій та ймовірність появи проблеми бульбашки фільтрів. Показники робастність, приватність, ризик дозволяють оцінити інформаційну безпеку рекомендаційної системи та її користувачів. Для кожного окремого веб-ресурсу чи додатку можна скласти свій набір додаткових показників якості роботи рекомендаційної системи, але розглянуті додаткові показники будуть актуальними практично для будь-якого випадку. Також важливими можуть бути наступні показники: впевненість, довіра, адаптивність, масштабованість, пропускна здатність, корисність, тощо. Оскільки не існує загальноприйнятих способів вимірювання та методів оцінки таких показників якості роботи рекомендаційних систем, як різноманітність, новизна, неочікуваність, приватність, ризик, робастність, – науково-практична задача розробки таких методів є актуальною.Завантаження
Посилання
Jones M. Recommender systems, Part 1. Introduction to approaches and algorithms. Learn about the concepts that underlie web recommendation engines / M. Jones – 2013. [Електронний ресурс] – Режим доступу: https://www.ibm.com/developerworks/opensource/library/os-recommender1/index.html?s_tact=105agx99&s_cmp=cp
Мелешко Є.В. Дослідження методів побудови рекомендаційних систем в мережі Інтернет / Є.В. Мелешко, Г.С. Семенов, В.Д. Хох. // Збірник наукових праць "Системи управління, навігації та зв’язку". Випуск 1(47). – Полтава: ПНТУ ім. Ю. Кондратюка. – 2018. – С. 131–136.
Сегаран Т. Программируем коллективный разум. – Пер. с англ. – СПб: Символ-Плюс, 2013. – 368 с.
Амелькин С.А. Оценка эффективности рекомендательных систем // Труды 14-й Всерос.НК «Электронные библиотеки: перспективные методы и технологии, электронные коллекции» - RCDL-2012, Переславль-Залесский, 2012. – С. 288-291.
Recommender Systems Handbook / Editors Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor. – 1st edition. – New York, NY, USA: Springer-Verlag New York, Inc., 2010. – 842 с.
Yao Y.Y. Measuring retrieval effectiveness based on user preference of documents / Yao Y.Y. // Journal of the American Society for Information Science. – 1995. – №46. – С. 133–145.
Breese, S., Heckerman, D., Kadie, C. Empirical Analysis of Predictive Algorithms for Collaborative Filtering. / In Proc. of the 14th Conference on Uncertainty in Artificial Intelligence, volume 461. – San Francisco, CA, 1998. – pages 43–52.
Castells, P., Vargas, S., Wang, J. Novelty and Diversity Metrics for Recommender Systems: Choice, Discovery and Relevance / P. Castells, S. Vargas, J. Wang. – 2011. [Електронний ресурс] – Режим доступу:
Kaminskas M., Bridge D. Measuring Surprise in Recommender Systems. [Електронний ресурс] – Режим доступу: https://www.insight-centre.org/sites/default/files/publications/recsys2014.pdf.
