1. SISN
  2. Всі випуски
  3. Випуск 13, 2023
  4. Програмна реалізація інтелектуальної системи для вирішення проблеми «холодного старту»

Програмна реалізація інтелектуальної системи для вирішення проблеми «холодного старту»

SISN.
2023;
Випуск 13
: cc. 274 - 299
https://doi.org/10.23939/sisn2023.13.274
Автори:
  1. Микола Баран
  2. Вікторія Висоцька
  3. Роман Голощук
1
Національний університет «Львівська політехніка», кафедра інформаційних систем та мереж
2
Національний університет "Львівська політехніка", кафедра інформаційних систем та мереж; Університет Оснабрюка, Інститут комп’ютерних наук, Німеччина
3
Національний університет «Львівська політехніка»

За результатами дослідження описано та змодельовано один із підходів до побудови інте- лектуальної інформаційної системи для рекомендування товарів користувачам із вирішенням проблеми «холодного старту». В ході дослідження враховано переваги та недоліки методів, а також їхню сумісність під час їх комбінування, що є важливим фактором для забезпечення швидкодії системи та ефективності роботи алгоритму. Під час побудови інтелектуальної інформаційної системи здійснено реалізацію гібридного методу, а також тестування ефективності його роботи порівняно із класичним алгоритмом k-means. На основі результатів аналізу виконано практичне порівняння ефективності роботи інтелектуальної системи з базовим підходом до вирішення проблеми та гібридним.

інтелектуальна інформаційна система
машинне навчання
холодний старт
k-means
Neural collaborative filtering
  1. Grosan C., Abraham A. (2011). Intelligent systems, Vol. 17, 261–268. DOI: 10.1007/978-3-642-21004-4.
  2. Ferré S., Ridoux O. (2004). Introduction to logical information systems. Information Processing & Management, 40(3), 383–419. DOI: 10.1016/S0306-4573(03)00018-9.
  3. Injadat M., Moubayed A., Nassif A.B. et al. (2021). Machine learning towards intelligent systems: applications, challenges, and opportunities. Artif. Intell. Rev., 54, 3299–3348. DOI: 10.1007/s10462-020-09948-w.
  4. Bobadilla J., Ortega F., Hernando A., Bernal J. (2012). A collaborative filtering approach to mitigate the new user cold start problem. Knowledge-based systems, 26, 225–238. DOI: 10.1016/j.knosys.2011.07.021.
  5. Lika B., Kolomvatsos K., Hadjiefthymiades S. (2014). Facing the cold start problem in recommender systems. Expert systems with applications, 41(4), 2065–2073. DOI: 10.1016/j.eswa.2013.09.005.
  6. Vrontis D., Christofi M., Pereira V., Tarba S., Makrides A., Trichina E. (2022). Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review. The International Journal of Human Resource Management, 33(6), 1237–1266. DOI: 10.1080/09585192.2020.1871398.
  7. Yadav N., Mundotiya R.K., Singh A.K., Pal S. (2021). Diversity in Recommendation System: A Cluster Based Approach. Advances in Intelligent Systems and Computing, Vol. 1179. DOI: 10.1007/978-3-030-49336-3_12.
  8. Hsieh C. J., Natarajan N., Dhillon I. (2015). PU learning for matrix completion. In International conference on machine learning, PMLR,  2445–2453. URL: http://proceedings.mlr.press/v37/hsiehb15.html.
  9. John MacKrell. (2000). Supporting Collaborative Product Definition via Scaleable, Web-Based PDM. Prepared by CIMdata, Inc.
  10. Sammut C., Webb G. I. (2011). Encyclopedia of machine learning. Springer Science & Business Media. DOI: 10.1007/978-0-387-30164-8.
  11. Aggarwal C. C. (2016). Recommender systems, Vol. 1. Cham: Springer International Publishing. DOI: 10.1007/978-3-319-29659-3.
  12. Meleshko E. V., Semenov S. G., Khokh V. D. (2018). Research on methods of building recommender systems on the Internet. DOI: 10.26906/SUNZ.2018.1.131.
  13. Raza S., Ding C. (2022). News recommender system: a review of recent progress, challenges, and opportunities. Artif. Intell. Rev., 55, 749–800. DOI: 10.1007/s10462-021-10043-x.
  14. Zuo Y., Zeng J., Gong M., Jiao L. (2016). Tag-aware recommender systems based on deep neural networks. Neurocomputing, 204, 51–60. DOI: 10.1016/j.neucom.2015.10.134.
  15. Lytvyn V., Vysotska V., Shatskykh,V., Kohut,I., Petruchenko O., Dzyubyk L., Bobrivetc V., Panasyuk V., Sachenko S., Komar, M. (2019). Design of a recommendation system based on Collaborative Filtering and machine learning considering personal needs of the user. Eastern-European Journal of Enterprise Technologies, 4(2), 6–28. DOI: 10.15587/1729-4061.2019.175507.
  16. Balush I., Vysotska V., Albota S. (2021). Recommendation System Development Based on Intelligent Search, NLP and Machine Learning Methods. CEUR Workshop Proceedings,  584–617.
  17. Demchuk A., Lytvyn V., Vysotska V., Dilai M. (2020). Methods and Means of Web Content Personalization for Commercial Information Products Distribution. Lecture Notes in Computational Intelligence and Decision Making. Vol. 1020. Springer, Cham. DOI: 10.1007/978-3-030-26474-1_24.
  18. Tulashvili Y., Turbal Y., Abd Alkaleg D., Pasichnyk V., Kunanets N. (2020). The Optimal Tour Problem in Smart Tourism Recommender Systems. In IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), Vol. 2,  246–250. DOI: 10.1109/CSIT49958.2020.9322043