АЛГОРИТМІЧНЕ ЗАБЕЗПЕЧЕННЯ ФОРМУВАННЯ РЕКОМЕНДАЦІЙ КОРИСТУВАЧАМ ВЕБ-КАТАЛОГУ

Illa Yu. Kochubey; Oksana S. Zhurakovska

doi:10.20535/kpi-sn.2020.3.209842

Т. · № 3 · 2020 сер 12, 2020 статті

АЛГОРИТМІЧНЕ ЗАБЕЗПЕЧЕННЯ ФОРМУВАННЯ РЕКОМЕНДАЦІЙ КОРИСТУВАЧАМ ВЕБ-КАТАЛОГУ

Illa Yu. Kochubey Відповідальний Igor Sikorsky Kyiv Polytechnic Institute, Ukraine Україна

Oksana S. Zhurakovska Igor Sikorsky Kyiv Polytechnic Institute, Ukraine Україна

Опублікованосер 12, 2020

PDF

НВКПІ 3 ТОМ · 3

ТОМ · № 3 · 2020 Переглянути випуск

Анотація

Проблематика. У нашому онлайн-житті ми отримуємо багато інформації, і все більше людей не хочуть аналізувати чи переглядати великі обсяги інформації. Кожен із нас хоче швидко знайти те, що шукає. На багатьох сайтах, таких як YouTube, Facebook і Twitter, вже є система рекомендацій, і багато користувачів віддають їй перевагу. Формування алгоритмічного забезпечення рекомендаційних систем на сьогодні є дуже актуальною проблемою. Мета дослідження. Ми розглядаємо базовий алгоритм колаборативної фільтрації, який часто використовується в системах рекомендацій. Намагаємося знайти вузькі місця базового алгоритму колаборативної фільтрації для його вдосконалення, тобто покращення його швидкодії. Методика реалізації. Ми проаналізували базовий алгоритм колаборативної фільтрації та виявили вузьке місце. Основний час роботи алгоритму зосереджений на обчисленні схожості користувачів. У модифікованому алгоритмі ми обчислюємо середню оцінку обʾєкта в кластері з коефіцієнтом зважування. Для порівняння базового алгоритму з модифікованим алгоритмом ми використовуємо два критерії. Перший критерій – час роботи алгоритму. Другий критерій – це кількість елементарних перестановок, які ми повинні зробити, щоб отримати рекомендації, які дає базовий алгоритм колаборативної фільтрації. Основними факторами, які впливають на час роботи алгоритму колаборативної фільтрації, є: кількість користувачів, кількість обʾєктів і відсоток заповнення. Результати дослідження. З дослідження отримано результати відхилення у результатах між базовим та модифікованим алгоритмами, яке коливається між 3 та 5 %. Модифікований алгоритм працює швидше, ніж базовий, до того ж зі збільшенням кількості користувачів або кількості обʾєктів різниця в часі роботи буде збільшуватися. Результати дослідження представлені у графіках. Висновки. Ми проаналізували базовий алгоритм колаборативної фільтрації та методи його вдосконалення. Можна зробити висновок про доцільність використання модифікованого алгоритму фільтрації. Модифікований алгоритм дає великий виграш у часі. Якщо системи почнуть використовувати модифікований алгоритм, це зможе вирішити проблему з часом роботи алгоритму фільтрації і дасть змогу давати рекомендації швидше, ніж система, яка використовує базовий алгоритм.

Ключові слова

#Рекомендаційна система #Колаборативна фільтрація #Модифікований алгоритм колаборативної фільтрації #Веб-каталог

Посилання

P. Melville et al . , “Content-boosted collaborative filtering for improved recommendations”, in National Conference on Artificial Intelligence , Edmonton, Canada, 2016, pp. 187–192.
V. Srikar and R. Sudha, “Examining lists on twitter to uncover relationships between following, membership and subscription”, in Proc. 22nd Int. Conf. World Wide Web , Rio de Janeiro, Brazil, 2013 pp. 673–676. doi: 10.1145/2487788.2488019
P. Chatterjee et al. , Advanced Multi-Criteria Decision Making for Addressing Complex Sustainability Issues . Hershey, PA: IGI Global, 2019.
H. Jafarkarimi et al . , “A naive recommendation model for large databases”, Int. J. Inform. Educ. Technol. , vol. 2, no. 3, pp. 216–219, 2012.
J.S. Breese et al . , “Empirical analysis of predictive algorithms for collaborative filtering”, in Proc. 14th Conf. Uncertainty in Artificial Intelligence , San Francisco, CA, 1998, pp. 43–52.
F. Ricci et al. , “Introduction to recommender systems handbook”, in Recommender Systems Handbook . Boston: Springer, 2011, pp. 1–35. doi: 10.1007/978-0-387-85820-3_1
B. Sarwar et al . , “Item-based collaborative filtering recommendation algorithms,” in Proc. 10th Int. Conf. World Wide Web , Hong Kong, China, 2001, pp. 285–295.
X. He et al . , “Neural collaborative filtering”, in Proc. 26th Int. Conf. World Wide Web , Perth, Australia, pp. 173–182.
Y. Koren and R. Bell, “Advances in collaborative filtering”, in Recommender Systems Handbook . Boston: Springer, 2015, pp. 77–117.
C. Yin et al. , “Improved collaborative filtering recommendation algorithm based on differential privacy protection”, J. Supercomput. , vol. 76, pp. 5161–5174, 2020. doi: 10.1007/s11227-019-02751-7
Р. Lytvak and I. Kochubey, “Application of MAI to solve the problem of choosing an algorithm of the system of forming proposals to bookstore users”, in Aktuelle Themen im Kontext der Entwicklung der Modernen Wissenschaften , Dresden, Germany, 2019, pp. 62–68.
G.H. Tzeng and J.J. Huang, Multiple Attribute Decision Making. Methods and applications . Boka Raton: CRC Press, 2011.

Попередня у випуску ЩІЛЬНЕ ПРОГРЕСУЮЧЕ 1-МАШИННЕ ПЛАНУВАННЯ З ПЕРЕМИКАННЯМИ БЕЗ ПРОСТОЮ ЗА ЕФЕКТИВНОГО ПОРЯДКУ ВВОДУ ЗАВДАНЬ У ЕВРИСТИЦІ Наступна у випуску УСУНЕННЯ СТАБІЛІЗАЦІЇ ЕЛЕКТРИЧНИХ ДУГ У ПРОЦЕСАХ ЗВАРЮВАННЯ ТА ПАЯННЯ В ТЛІЮЧОМУ РОЗРЯДІ

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.

Усі випуски

РОЗРОБКА МЕТОДУ ФОРМАЛІЗАЦІЇ ДИНАМІЧНИХ ТЕПЛОВИХ ПОРТРЕТІВ ДЛЯ НАДІЙНОГО ВИЯВЛЕННЯ ЦІЛЕЙ

Степан Лис, Оксана Оборська

Проблематика. Автоматизовані системи спостереження з БпЛА стикаються з подвійним викликом: виявленням теплоконтрастних об'єктів у реальному часі та їх ідентифікацією в…

#тепловізійні системи #ідентифікація цілей #локалізація зони інтересу #динамічний тепловий портрет

10.20535/kpisn.2026.3.359114

МЕТОДИКА ФОРМУВАННЯ ІНФОРМАТИВНОГО ПРОСТОРУ ОЗНАК ТЕХНІЧНИХ ІНДИКАТОРІВ ФІНАНСОВИХ ПРОЦЕСІВ НА ОСНОВІ НЕЙРОМЕРЕЖЕВИХ МОДЕЛЕЙ

Роман Тертичний, Денис Чупрін, Петро Бідюк

Проблематика. Фінансові часові ряди характеризуються нелінійністю, нестаціонарністю та високим рівнем шуму, що суттєво ускладнює їх моделювання та прогнозування.…

#методика формування інформативного простору ознак #технічні індикатори #волатильність Паркінсона #нейронні мережі

10.20535/kpisn.2026.3.359610

МЕТОДИ ЗАБЕЗПЕЧЕННЯ ЦІЛІСНОСТІ ОБРОБКИ ТА ПЕРЕДАЧІ ДАНИХ У ПРОМИСЛОВИХ СИСТЕМАХ АВТОМАТИЗАЦІЇ

Ярослав Корпань, Євген Федоров, Ольга Нечипоренко

Проблематика. Сучасні промислові системи контролю характеризуються високим рівнем інтеграції інформаційних і фізичних процесів та використанням розподілених…

#промислові системи автоматизації #SCADA-системи #цілісність даних #кібербезпека ICS

10.20535/kpisn.2026.3.361520

Схожі статті

Віталій Голубінка, АВТОНОМНА СИСТЕМА РЕКОМЕНДАЦІЇ ІНДЕКСІВ ДЛЯ РЕЛЯЦІЙНИХ БАЗ ДАНИХ НА ОСНОВІ COST-MODEL ТА PLAN COVERING , Наукові вісті КПІ: Том 143 № 2 (2026)
Костянтин Бровко, Павло Буданов, Олег Великогорський, Юлія Олійник, Наталія Винокурова, Сергій Войтенко, ІМІТАЦІЙНА МОДЕЛЬ ЦИФРОВОГО ДВІЙНИКА ТЕХНОЛОГІЧНОГО ПРОЦЕСУ ЕНЕРГОБЛОКУ АЕС , Наукові вісті КПІ: Том 143 № 2 (2026)
Дмитро Петренко, Анатолій Протасов, АЛГОРИТМ БЕЗКАРТОГРАФІЧНОЇ НАВІГАЦІЇ РОБОТА HUSKY НА ОСНОВІ МОДЕЛЕЙ ГЛИБОКОГО НАВЧАННЯ З ПІДКРІПЛЕННЯМ ТА АДАПТИВНОГО НАВЧАЛЬНОГО ПЛАНУ , Наукові вісті КПІ: Том 143 № 2 (2026)
Костянтин Д. Грішин, Nadezhda Nedashkovskaya, МОДЕЛЬ МАШИННОГО НАВЧАННЯ ДЛЯ РОЗПІЗНАВАННЯ КОНФІГУРАЦІЙ РУК УКРАЇНСЬКОЇ ЖЕСТОВОЇ МОВИ , Наукові вісті КПІ: Том 143 № 2 (2026)
Євген Панкратов, Григорій Тимчик, МІКРОСЕРВІСНА АРХІТЕКТУРА ТА АЛГОРИТМИ МОДУЛЬНОЇ СИСТЕМИ АВТОМАТИЗАЦІЇ ТЕХНОЛОГІЧНИХ ПРОЦЕСІВ МАЛОГО БІЗНЕСУ , Наукові вісті КПІ: Том 143 № 2 (2026)
Oksana O. Suprunenko, КОМБІНОВАНИЙ ПІДХІД ДО ІМІТАЦІЙНОГО МОДЕЛЮВАННЯ ДИНАМІКИ ПРОГРАМНИХ СИСТЕМ НА ОСНОВІ ІНТЕРПРЕТАЦІЙ МЕРЕЖ ПЕТРІ , Наукові вісті КПІ: № 5-6 (2019)
Hennady P. Bolotov, Roman M. Ryzhov, Maksym H. Bolotov, ПІДВИЩЕННЯ СТІЙКОСТІ ТЛІЮЧОГО РОЗРЯДУ В УМОВАХ ЗВАРЮВАННЯ ЗАСТОСУВАННЯМ МУЛЬТИСЕКЦІЙНИХ ЕЛЕКТРОДНИХ СИСТЕМ , Наукові вісті КПІ: № 2 (2019)
Sergiy V. Tytenko, ІНТЕРАКТИВНІ КАРТИ ПОНЯТЬ В ОНТОЛОГІЧНО-ОРІЄНТОВАНИХ ІНФОРМАЦІЙНО-НАВЧАЛЬНИХ ВЕБ-СИСТЕМАХ , Наукові вісті КПІ: № 2 (2019)
Yevhen I. Bilous, Oleh I. Nesterenko, СПРОЩЕННЯ МОДЕЛІ ВИМІРЮВАННЯ В АЛГОРИТМІ КВАТЕРНІОННОГО ФІЛЬТРА КАЛМАНА БЕЗПЛАТФОРМНОЇ КУРСОВЕРТИКАЛІ , Наукові вісті КПІ: № 1 (2019)
Ярослав Корпань, Євген Федоров, Ольга Нечипоренко, МЕТОДИ ЗАБЕЗПЕЧЕННЯ ЦІЛІСНОСТІ ОБРОБКИ ТА ПЕРЕДАЧІ ДАНИХ У ПРОМИСЛОВИХ СИСТЕМАХ АВТОМАТИЗАЦІЇ , Наукові вісті КПІ: Том 144 № 3 (2026)

1-10 з 52 Наступне

Ви також можете розпочати розширений пошук схожих статей для цієї статті.

[1] P. Melville et al . , “Content-boosted collaborative filtering for improved recommendations”, in National Conference on Artificial Intelligence , Edmonton, Canada, 2016, pp. 187–192.

[2] V. Srikar and R. Sudha, “Examining lists on twitter to uncover relationships between following, membership and subscription”, in Proc. 22nd Int. Conf. World Wide Web , Rio de Janeiro, Brazil, 2013 pp. 673–676. doi: 10.1145/2487788.2488019

[3] P. Chatterjee et al. , Advanced Multi-Criteria Decision Making for Addressing Complex Sustainability Issues . Hershey, PA: IGI Global, 2019.

[4] H. Jafarkarimi et al . , “A naive recommendation model for large databases”, Int. J. Inform. Educ. Technol. , vol. 2, no. 3, pp. 216–219, 2012.

[5] J.S. Breese et al . , “Empirical analysis of predictive algorithms for collaborative filtering”, in Proc. 14th Conf. Uncertainty in Artificial Intelligence , San Francisco, CA, 1998, pp. 43–52.

[6] F. Ricci et al. , “Introduction to recommender systems handbook”, in Recommender Systems Handbook . Boston: Springer, 2011, pp. 1–35. doi: 10.1007/978-0-387-85820-3_1

[7] B. Sarwar et al . , “Item-based collaborative filtering recommendation algorithms,” in Proc. 10th Int. Conf. World Wide Web , Hong Kong, China, 2001, pp. 285–295.

[8] X. He et al . , “Neural collaborative filtering”, in Proc. 26th Int. Conf. World Wide Web , Perth, Australia, pp. 173–182.

[9] Y. Koren and R. Bell, “Advances in collaborative filtering”, in Recommender Systems Handbook . Boston: Springer, 2015, pp. 77–117.

[10] C. Yin et al. , “Improved collaborative filtering recommendation algorithm based on differential privacy protection”, J. Supercomput. , vol. 76, pp. 5161–5174, 2020. doi: 10.1007/s11227-019-02751-7

[11] Р. Lytvak and I. Kochubey, “Application of MAI to solve the problem of choosing an algorithm of the system of forming proposals to bookstore users”, in Aktuelle Themen im Kontext der Entwicklung der Modernen Wissenschaften , Dresden, Germany, 2019, pp. 62–68.

[12] G.H. Tzeng and J.J. Huang, Multiple Attribute Decision Making. Methods and applications . Boka Raton: CRC Press, 2011.