Підвищення ефективності методу контентної фільтрації в рекомендаційних системах з урахуванням розрідженості даних

Abstract

Об’єктом дослідження є процеси функціонування рекомендаційних систем на основі контентної фільтрації. Предметом дослідження є методи контентної фільтрації, які орієнтовани на використання в рекомендаційних системах для визначення уподобань користувачів. Метою даної роботи є модифікація методу контентної фільтрації для застосування в рекомендаційних системах за умови великої розрідженості даних з залученням алгоритмів зниження розмірності матриць. Методами дослідження є методи теорії алгоритмів, теорії масового обслуговування, дослідження операцій та прийняття проектних рішень, а також методи лінійної алгебри, які присвячені проблемам декомпозиції матриць, це, насамперед, метод сингулярного розкладання матриць на основі алгоритму SVD (singular value decomposition) та метод головних компонент на основі алгоритму PCA (principal component analysis). У результаті роботи були розроблені два рекомендаційних методи шляхом модифікації контентного методу алгоритмами зниження розмірності матриць. Обидва методи були протестовані та порівняні з іншими існуючими методами. Також були визначені шляхи покращення якості роботи розроблених методів.