СИТУАЦІЙНА МОДЕЛЬ КОРИСТУВАЦЬКОГО ВИБОРУ В РЕКОМЕНДАЦІЙНІЙ СИСТЕМІ
Ключові слова:
рекомендаційна система, рекомендації на основі контенту, рекомендації на основі близькості користувачів, багатошаровий граф
Анотація
Предметом вивчення в статті є процеси побудови рекомендацій споживачами щодо вибору товарів та послуг, які реалізуються в рекомендаційних системах на основі врахування вибору схожих користувачів та відповідних властивостей товарів. Особливість таких процесів, полягає в тому, що при побудові рекомендацій враховуються інтереси схожих користувачів, але недостатньо уваги приділяється зміні патернів поведінки таких користувачів з часом. Мета полягає в розробці ситуаційного представлення користувацького вибору у вигляді багатошарового графу, кожний шар якого відображає об’єктну складову, а послідовність шарів – часову складову ситуації, що дозволяє врахувати зміни об’єктів інтересу споживачів. Задачі: виділити особливості вибору об’єктів користувачами рекомендаційних систем з урахуванням явного та зворотного неявного зв’язку; розробити ситуаційну модель користувацького вибору, що враховує зміни інтересів споживачів. Методами, що використовуються, є: методи побудови рекомендацій щодо вибору товарів та послуг на основі колаборативної фільтрації, методи побудови рекомендацій на основі контентної фільтрації. Отримані такі результати. Виділені особливості графового представлення взаємодії «користувач-обєкт» з урахуванням об’єктного та часового аспектів в рекомендаційних системах. Розроблено графову багатошарову ситуаційну модель користувацького вибору, яка враховує зміну потреб у виборі товарів та послуг у часовому аспекті. Висновки. Наукова новизна отриманих результатів полягає в наступному: Запропоновано ситуаційно модель користувацького вибору в рекомендаційній системі у вигляді багатошарового графу. Кожен шар моделі задається дводольним графом, вершини якого відповідають користувачам та об’єктам їх інтересу. Такий шар відображає зв'язок між користувачами та об’єктами на визначеному інтервалі часу. Ваги дуг графу відображають кількість вибраних користувачами об’єктів або рейтингову оцінку цих об’єктів для неявного або явного зворотного зв’язку відповідно. Послідовність шарів графу визначає зміну вподобань споживачів з часом. Зв’язки між шарами графу задаються через зв’язки між відповідними споживачами. Запропонована модель користувацького вибору дає можливість виділити ситуацію, в якій був здійснений вибір споживачами, схожими на поточного користувача рекомендаційної системи. Така ситуація характеризується підмножиною пар «користувач-обєкт». Відібрана підмножина пар в подальшому може бути використана для проведення колаборативної фільтрації, що дає можливість підвищити точність рекомендацій на основі врахування зміни інтересів споживачів у часі.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Rashid A. M., Albert I., Cosley D., Lam S. K., Konstan J. A. (2002). Getting to know you: learning new user preferences in recommender systems. Proceedings of the international conference on intelligent user interfaces, 127–34.
2. Schafer J. B., Konstan J., Riedl J.( 1999). Recommender system in ecommerce. Proceedings of the 1st ACM conference on electronic commerce, 158–66.
3. Konstan J. A, Riedl J. (2012). Recommender systems: from algorithms to user experience. User Model User-Adapt Interact, 22, 101–23. DOI 10.1007/s11257-011-9112-x.
4. Джонс T. (2014). Рекомендательные системы: Часть 1. Введение в подходы и алгоритмы. Developer Works. Available at: https://www.ibm.com/developerworks/ru/library/os-recommender1/os-recommender1-pdf.pdf. (accessed 01.03.2019).
5. Aggarwal C. C. Recommender Systems: The Textbook. New York: Springer, 2017. 498 p.
6. Resnick P., Varian H.R. (1997). Recommender system’s. Communications of the ACM, 40(3), 56–58.
7. Чалий С.Ф., Лещинський В.О., Лещинська І.О. (2018). Моделювання контексту в рекомендаційних системах. Проблеми інформаційних технологій, 1(023), 21-26.
8. Чалий С.Ф., Лещинський В.О., Лещинська І.О. (2018). Інтеграція локальних контекстів споживачів в рекомендаційних системах на основі відношень еквівалентності, схожості та сумісності. Process mining Materials of the VII International Scientific Conference «Information-Сontrol System and Technologies»,142-144.
9. Чалый С.Ф., Прібильнова І.Б. (2017). Побудова ситуаційного представлення знань на основі аналізу логів. Вісник Національного технічного університету "ХПІ". Серія : Системний аналіз, управління та інформаційні технології, 28(1250), 70-73.
10. Чалый С. Ф., Прибыльнова И.Б. (2016). Событийно-ситуационное моделирование темпоральных зависимостей. Сучасні напрямки розвитку інформаційно-комунікаційних технологій та засобів управління: Матеріали п’ятої міжнародної науково-технічної конференції, 35.
2. Schafer J. B., Konstan J., Riedl J.( 1999). Recommender system in ecommerce. Proceedings of the 1st ACM conference on electronic commerce, 158–66.
3. Konstan J. A, Riedl J. (2012). Recommender systems: from algorithms to user experience. User Model User-Adapt Interact, 22, 101–23. DOI 10.1007/s11257-011-9112-x.
4. Джонс T. (2014). Рекомендательные системы: Часть 1. Введение в подходы и алгоритмы. Developer Works. Available at: https://www.ibm.com/developerworks/ru/library/os-recommender1/os-recommender1-pdf.pdf. (accessed 01.03.2019).
5. Aggarwal C. C. Recommender Systems: The Textbook. New York: Springer, 2017. 498 p.
6. Resnick P., Varian H.R. (1997). Recommender system’s. Communications of the ACM, 40(3), 56–58.
7. Чалий С.Ф., Лещинський В.О., Лещинська І.О. (2018). Моделювання контексту в рекомендаційних системах. Проблеми інформаційних технологій, 1(023), 21-26.
8. Чалий С.Ф., Лещинський В.О., Лещинська І.О. (2018). Інтеграція локальних контекстів споживачів в рекомендаційних системах на основі відношень еквівалентності, схожості та сумісності. Process mining Materials of the VII International Scientific Conference «Information-Сontrol System and Technologies»,142-144.
9. Чалый С.Ф., Прібильнова І.Б. (2017). Побудова ситуаційного представлення знань на основі аналізу логів. Вісник Національного технічного університету "ХПІ". Серія : Системний аналіз, управління та інформаційні технології, 28(1250), 70-73.
10. Чалый С. Ф., Прибыльнова И.Б. (2016). Событийно-ситуационное моделирование темпоральных зависимостей. Сучасні напрямки розвитку інформаційно-комунікаційних технологій та засобів управління: Матеріали п’ятої міжнародної науково-технічної конференції, 35.
Опубліковано
2019-04-11
Як цитувати
Chalyi S. Ситуаційна модель користувацького вибору в рекомендаційній системі / S. Chalyi, I. Pribylnova // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2019. – Т. 2 (54). – С. 159-163. – doi:https://doi.org/10.26906/SUNZ.2019.2.159.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
