Метод вирішення проблеми холодного старту для рекомендаційної системи фільмів

Скорочена інформація про документ
dc.contributor.authorТретиник, В. В.
dc.contributor.authorБондарчук, О. О.
dc.date.accessioned2023-05-25T06:58:44Z
dc.date.available2023-05-25T06:58:44Z
dc.date.issued2022
dc.description.abstractРекомендаційні системи допомагають користувачам знаходити та вибирати потрібні елементи: фільми, книги, готелі із великої кількості доступних в інтернеті електронних джерел інформації [1]. Враховуючи великий набір об’єктів та опис потреб користувачів, сервіси пропонують користувачеві невелику кількість елементів, яка добре підходитьдо опису.Так само система рекомендацій фільмів забезпечує рівень комфорту та персоналізації. Допомагає користувачам краще взаємодіяти з системою та дивитися фільми, які відповідають їхнім потребам.Але, незважаючи на широке застосування рекомендаційних систем, однією складною та поширеною проблемою є проблема холодного запуску, коли для певних користувачів або елементів невідомі попередні події, такі як рейтинги чи кліки. Це може стати проблемою, що в подальшому може призвести до втрати нових користувачів через низьку точність рекомендацій на ранніх стадіях. Зосередившись саме на даній проблемі, можна суттєво збільшити кількість нових користувачів сервісів, які використовують рекомендаційні системи.uk
dc.description.abstractotherThis article discusses the algorithm and its application for the system to provide recommendations to new users who do not have records in the system. To solve the problem, an ensemble machine learning algorithm based on decision trees, XGBoost, was used. Approaches that allow recommender systems to take into account user similarity, movie similarity, and matrix factorization are also considered. This solution can benefit the business in many ways, such as preventing the loss of new users due to low recommendation accuracy.uk
dc.format.pagerangeС. 158-163uk
dc.identifier.citationТретиник, В. В. Метод вирішення проблеми холодного старту для рекомендаційної системи фільмів / Третиник В. В., Бондарчук О. О. // Прикладна математика та комп’ютинг ПМК' 2022. П'ятнадцята конференція магістрантів та аспірантів Київ, 16-18 листопада 2022 р. : збірник тез доповідей. - Київ : КПІ ім. Ігоря Сікорського, 2022. - С. 158-163.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/56060
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofПрикладна математика та комп’ютинг ПМК' 2022. П'ятнадцята конференція магістрантів та аспірантів Київ, 16-18 листопада 2022 р. : збірник тез доповідейuk
dc.subject.udc519.688uk
dc.titleМетод вирішення проблеми холодного старту для рекомендаційної системи фільмівuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
PMA-Tretynyk_Bondarchuk_P158-163.docx
Розмір:
91.44 KB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Секція 1. ПМА «Прикладна математика»