Данная работа выполнена в рамках НИР №914699

УДК 004.891.2
ОСНОВНЫЕ АЛГОРИТМЫ ОПТИМИЗАЦИИ ДЕЯТЕЛЬНОСТИ ИНТЕРНЕТПОКУПАТЕЛЕЙ СРЕДСТВАМИ РЕКОМЕНДАЦИОННЫХ СИСТЕМ
Е. В. Павлычева (Университет ИТМО, г. Санкт-Петербург)
Научный руководитель – старший преподаватель, С.В. Одиночкина (Университет ИТМО, г.
Санкт-Петербург)
В современном мире многие аспекты жизни связаны с сетью Интернет и достаточно
значимое место занимает взаимодействие с Интернет-магазинами. Чтобы помочь
покупателю найти необходимую продукцию в Интернете, а также повысить эффективность
работы сайта нередко используются рекомендательные системы - интеллектуальные
инфокоммуникационные системы, которые позволяют персонализировать взаимодействие
Интернет-магазинов и покупателей. Они не столько рекламируют, сколько упрощают
пользователю поиск необходимого товара, тем самым расширяя его возможности и
увеличивая продажи магазина. В представляемом исследовании рассмотрены популярные
подходы реализации рекомендательных систем, которые используют современные
Интернет-магазины. Задачами исследования являются изучение основных существующих
подходов реализации рекомендательных систем, определение наиболее распространенных
методов использование, а также оценить влияние рекомендательных систем на работу
Интернет-магазинов. Как правило, использование рекомендательных систем базируется на
двух подходах: коллаборативной и контентной фильтрации, но кроме данных подходов
могут быть использованы и другие.
Коллаборативная фильтрация построена на одинаковой оценке покупателями уже
приобретенных товаров и услуг, на основании которой делается предположение о том, что
будущем есть вероятность аналогичной оценки данных товаров и услуг покупателями со
схожими характеристиками. При контентной фильтрации анализируется поведение
пользователя: его посещения, оценки, отзывы, комментарии. Гибридные подходы
совмещают коллаборативный и контентный подходы: после оценки контентной фильтрации,
результаты подвергаются коллабораторной фильтрации
Также рассматриваются подходы, которые реализуются в режиме реального времени динамические рекомендации, которые разделяются на методы, основанные на соседстве, и
методы, основанные на моделях. В методах, основанных на соседстве, выполненные ситуации
используются для создания рекомендаций при наличии данных о пользователе, ситуации и о
странице с товаром. Методы, основанные на моделях, с помощью реализованных ситуаций обучают
предсказательную модель, в качестве которой может использоваться любая аппроксимационная
модель: байесовская кластеризация (Bayesian Clustering), анализ латентной семантики (Latent
Semantic Analysis), метода максимальной энтропии (Maximum Entropy) и многие другие.
На основе данных исследований можно сделать вывод о том, что рекомендательные системы
оптимизируют пользовательский поиск и выбор необходимых товаров и услуг, однако необходимо
учитывать, что из-за постоянного увеличения объема доступных данных невозможно идеально
смоделировать поведение всех пользователей.
Данная работа выполнена в рамках НИР №914699 Обеспечение информационной
защиты данных в корпоративном учебном облаке.