Презентація на тему:
МАСЛЯНА МАТЕМАТИЧНА

Науковий керівник: к.т.н., професор Савчук Т.О. Автор: магістрант каф. КН Сакалюк А.В.

Мета: підвищення точності рекомендаційних систем на основі колаборативної фільтрації. Об'єкт: рекомендаційні системи на основі колаборативної фільтрації. Предмет: процес аналізу даних для вироблення рекомендацій.

Формалізація вироблення рекомендацій Функція корисності Для кожного користувача обирається об’єкт

Основні проблеми колаборативної фільтрації Проблема нового користувача етап Проблема нового об’єкту cold start Розрідженість оцінок Масштабованість

Процес роботи рекомендаційної системи Представлення вхідних даних Кластеризація користувачів Вироблення рекомендацій

Модель системи на основі колаборативної фільтрації

Схематичний вигляд матриці «Користувач-Об’єкт»

Зменшення розмірності - ортогональні матриці - діагональна матриця, значення на діагоналі якої називаються сингулярними

Переваги зменшення розмірності матриці Зменшення розмірності значно збільшує масштабованість рекомендаційної системи Підхід може використовуватись для отримання латентних (прихованих) зв’язків між користувачами і об’єктами. Відсіювання шумів у вигляді потужної множини незначущих даних.

Перспективи використання Впровадження в електронні магазини і вітрини для полегшення пошуку товарів, які цікавлять користувачів. Вивчення користувацьких вподобань для розміщення максимально затребуваних товарів. Можливість отримати різні вибірки користувачів по інтересам, підбір однодумців та користувачів зі спільними вподобаннями.

Висновки Аналіз традиційних методів колаборативної фільтрації показав,що їх використання базується на правилі, яке вимагає, щоб користувачі давали явні відповіді. Інтелектуальні підходи до вироблення рекомендацій пропонуються з метою подолання традиційних проблем систем колаборативної фільтрації. Завдяки зниженню розмірності матриці «Користувач-Об’єкт» вирішуються основні проблеми колаборативного підходу – масштабованість та розрідженість оцінок.