Моделі і методи прогнозування рекомендацій для колаборативних рекомендаційних систем

2018;
: сс. 68 - 75
Автори: 
Лобур М.В., Шварц М.Є., Стех Ю.В.

Національний універсистет «Львівськав політехніка», кафедра систем автоматизованого проектування

E-mail: yuriy.v.stekh@lpnu.ua

У цій статті проаналізовано сучасний стан моделей і методів побудови рекомендаційних систем. Виділено основні класи задач, які вирішують рекомендаційні системи. Показано особливості застосування методу колаборативної (спільної) фільтрації. Розроблено метод мішаної категоріально-чисельної кластеризації для пошуку груп користувачів, який використовує числові рейтингові і демографічні характеристики користувачів, розроблено гібридний метод пошуку груп користувачів, який використовує коефіцієнт розрідженості матриці користувач-предмет.

  1. J. A. Konstan Recommender systems: from algorithms to user experience / J. A. Konstan J. A. // User Modeling and User-Adapted Interaction. – 2012 –Vol. 22. – No. 1–2. – P. 101–123.
  2. Schafer J.B. E-Commerce Recommendation Applications / J. B. Schafer J. B., J. A. Konstan, J. Riedl // Data Mining and Knowledge Discovery. – 2001. – Vol. 5. – No. 1–2. – P. 115–123.
  3. Sarwar B. Analysis of recommendation algorithms for e-commerce / B. Sarwar, G. Karypis, J. Konstan, J. Riedl // In Proceedings of the 2nd ACM conference on Electronic.— Minnesota, USA – October 17–20, 2000. – P. 158–167.
  4. Pu P, Chen L, Hu R. A user-centric evaluation framework for recommender systems / P. Pu, L. Chen, R. Hu // In: Proceedings of the fifth ACM conference on Recommender Systems (RecSys’11), ACM.— New York, NY, USA. – 2011. – P. 57–164.
  5. Candillier L. Comparing State-of-the-Art Collaborative Filtering Systems. / L. Candillier, F. Meyer, M. Boullé. // In Proceedings of the 5th International Conference on Machine Learning and Data Mining in Pattern Recognition, LNCS. – Vol. 4571. – 2007. – P. 548–562.
  6. Su X., Khoshgoftaar T. M. A survey of collaborative filtering techniques / X. Su, T. M. Khoshgoftaar // Adv. Artif. Intell. — Vol. 4571. – 2007 – P. 1–19.
  7. Isinkaye F. O. Recommendation systems: Principles, methods and evaluation / F. O. Isinkaye F. O., Y. O. Folajimi, B. A. Ojokoh // Egyptian Informatics Journal. – Vol. 16. – 2015. – P. 261–273.
  8. Das D. A Survey on Recommendation System / D. Das, L. Sahoo, S. Datta // International Journal of Computer Applications. – Vol. 160. – No.. 7. – 2017. – P. 6–10.
  9. Bobadilla J. Recommender systems survey / J. Bobadilla, F. Ortega, A. Hernando, A. Gutiérrez // Knowledge-Based Systems. – Vol. 46. – 2013. – P. 109–132.
  10. Resnick P., Varian H. R. Recommender systems / P. Resnick, H. R. Varian // Communications of the ACM. – Vol. 40. – 1997. – P. 56–58.
  11. G. Adomavicius, A. Tuzhilin Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions / Adomavicius G., Tuzhilin A. // IEEE Transactions on Knowledge and Data Engineerin. – Vol. 17. – 2005. – P. 734–749.
  12. Jameson A., Smyth B. Recommendation to groups / Jameson A., Smyth B. // In The adaptive web: methods and strategies of web personalization. – 2007. – P. 596–627.
  13. Konstan J. GroupLens: applying collaborative filtering to usenet news. / J. Konstan, B. Miller, D. Maltz, J. Herlocker, L. Gordon, J. Riedl // Commun. ACM – Vol. 40. – No. 3. – 1997. – P. 77–87.
  14. J. Masthoff Group modeling: selecting a sequence of television items to suit a group of viewers / J. Masthoff // User Model. User-Adap. Inter. – Vol. 14. – No. 1. – 2004 – P.37–85.
  15. L. Boratto, S. Carta, “State-ofthe-art in group recommendation and new approaches for automatic identification of groups,” / L. Boratto, S. Carta // In Information Retrieval and Mining in Distributed Environments. – vol. 324. – Springer Berlin Heidelberg – 2011. – P. 1–20.
  16. Guha S. Rock: A robust clustering algorithm for categorical attributes / S. Guha, R. Rastogi, K. Shim // Information Systems. – vol. 25, No. 5. – 2000. – P. 345–366.