Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/139742Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.advisor | Крицкий, Олег Леонидович | ru |
| dc.contributor.author | Решетникова, Е. С. | ru |
| dc.date.accessioned | 2026-11-14T16:50:05Z | - |
| dc.date.available | 2026-11-14T16:50:05Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Решетникова, Е. С. Сравнительный анализ метода малоранговой аппроксимации SVP и нейросетевых алгоритмов в задаче построения рекомендательной системы для потребителей онлайн-сервисов / Е. С. Решетникова ; науч. рук. О. Л. Крицкий // Перспективы развития фундаментальных наук. — Томск : Изд-во ТПУ, 2026. — Т. 3 : Математика. — С. 134-136. | ru |
| dc.identifier.uri | http://earchive.tpu.ru/handle/11683/139742 | - |
| dc.description.abstract | In this paper, we investigate low-rank matrix completion methods for building recommender systems. In particular, we analyze the Singular Value Projection (SVP) algorithm and compare it with a neural network-based Autoencoder approach. We study convergence behavior, reconstruction quality, and recommendation performance. The results demonstrate that SVP provides stable low-rank approximations with controllable model complexity, while Autoencoder allows capturing nonlinear patterns. The comparative analysis highlights advantages and limitations of both approaches in large-scale recommendation issues | en |
| dc.format.mimetype | application/pdf | - |
| dc.language.iso | ru | en |
| dc.publisher | Томский политехнический университет | ru |
| dc.relation.ispartof | Перспективы развития фундаментальных наук. 2026. Т. 3 : Математика | ru |
| dc.rights | info:eu-repo/semantics/openAccess | - |
| dc.rights | Attribution-NonCommercial 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc/4.0/ | - |
| dc.subject | SVP | en |
| dc.subject | Autoencoder | en |
| dc.subject | low-rank approximation | en |
| dc.subject | matrix completion | en |
| dc.subject | recommender systems | en |
| dc.title | Сравнительный анализ метода малоранговой аппроксимации SVP и нейросетевых алгоритмов в задаче построения рекомендательной системы для потребителей онлайн-сервисов | ru |
| dc.title.alternative | Comparative analysis of the low-rank approximation SVP method and neural network algorithms in the problem of building a recommender system for consumers of online services | en |
| dc.type | Conference Paper | en |
| dc.type | info:eu-repo/semantics/conferencePaper | - |
| dc.type | info:eu-repo/semantics/publishedVersion | - |
| dcterms.audience | Researches | en |
| local.description.firstpage | 134 | - |
| local.description.lastpage | 136 | - |
| local.filepath | conference_tpu-2026-C21_V3_p134-136.pdf | - |
| local.identifier.bibrec | (RuTPU)688936 | - |
| local.localtype | Доклад | ru |
| local.volume | 3 | - |
| Располагается в коллекциях: | Материалы конференций | |
Файлы этого ресурса:
| Файл | Размер | Формат | |
|---|---|---|---|
| conference_tpu-2026-C21_V3_p134-136.pdf | 363,81 kB | Adobe PDF | Просмотреть/Открыть |
Лицензия на ресурс: Лицензия Creative Commons