Разработка алгоритмического обеспечения модуля анализа данных для рекомендательных систем электронной торговли

Abstract

Целью работы является исследование и разработка эффективных алгоритмов для рекомендательных систем, позволяющих выбирать рекомендации с приемлемым уровнем релевантности в условиях большого числа пользователей при неполной или отсутствующей информации об их предпочтениях. В процессе исследования проводился аналитический обзор существующих методов, разработка алгоритмов на их основе и их реализация. В результате исследования было выявлено, что метод коллаборативной фильтрации имеет преимущество в виде точности предсказаний рекомендаций в отличие от других методов.

The aim of the work is to study and develop effective algorithms for recommendation systems that allow selecting recommendations with an acceptable level of relevance in the conditions of a large number of users with incomplete or missing information about their preferences. During the research, an analytical review of existing methods, development of algorithms based on them and their implementation was conducted. As a result of the research, it was revealed that the method of collaborative filtering has the advantage in the form of accuracy of prediction recommendations as opposed to other methods.