колаборативна фільтрація

This article presents the development of a recommender system for recruiting personnel and vacancies to improve the efficiency of the hiring process. The proposed system has integrated collaborative and hybrid filtering methods to provide personalized job recommendations. Collaborative filtering model has analyzed historical data, identifying patterns by detecting connections between user information and job content.

Описано розроблення технології інтелектуального пошуку контенту із реалізацією модуля систем е-комерції для формування списку рекомендацій постійному користувачу. Інтелектуальний пошук контенту ґрунтується на методах лінгвістичного аналізу, сучасних алгоритмах розбору і знаходження слів, рекомендаціях на основі вподобань користувачів.

Сучасна мережа Інтернет містить велику кількість веб-сайтів і сторінок на кожному веб-сайті. Веб-систему рекомендацій (рекомендаційну систему для веб- сторінок), як правило, втілюють на веб-серверах і використовують для даних, отриманих зі збірки проглянутих веб-шаблонів (неявні дані) чи реєстраційних даних користувачів (явні дані). Розглянуто методи і алгоритми рекомендаційних веб-систем, основаних на технології видобування даних (веб-аналіз).

Проаналізовано сучасний стан моделей і методів побудови рекомендаційних систем. Виділено основні класи задач, які розв’язують рекомендаційні системи. Показано особливості застосування методу спільної фільтрації. Розроблено метод розрахунку коефіцієнтів подібності, який враховує розрідженість векторів рейтингів товарів і користувачів.

Проаналізовано поточний стан розробки та застосування рекомендаційних систем, моделей і методів побудови рекомендаційних систем. Показано, що найбільш широко використовується метод колаборативної фільтрації фільтрації. Розроблено метод нечіткої кластеризації, який підвищує точність прогнозування рейтингів продуктів.