Жданов Павел Сергеевич (аспирант, университет ИТМО, г. Санкт-Петербург,
Россия
)
| |
На сегодняшний день контекстно-зависимые рекомендательные системы для рекомендации точек интереса являются эффективными инструментами анализа поведения пользователей: они не только выявляют пользовательские предпочтения, но и позволяют сформировать релевантные рекомендации локаций, которые будут интересны для посещения пользователю в заданных условиях. Изначально для таких рекомендаций использовались различные модификации моделей на основе матричной факторизации с добавлением контекстных признаков, однако с развитием и массовым распространением моделей глубокого обучения, исследователи стали активнее использовать нейронные сети в контекстно-зависимых рекомендательных системах для рекомендации точек интереса, что позволило вывести качество работы алгоритмов на принципиально новый уровень. В этом исследовании предлагается всесторонний обзор и анализ контекстно-зависимых рекомендательных подходов для рекомендаций точек интереса, основанных на матричной факторизации и глубоком обучении, чтобы сформировать общее представление у исследователей, заинтересованных в предмете. В работе описываются различные модификации, используемые при создании моделей матричной факторизации и изменения в архитектуре нейронных сетей для работы с различными контекстными факторами. Также в исследовании, помимо классификации моделей, представлены особенности каждого класса моделей, их достоинства и недостатки.
Ключевые слова:контекстно-зависимые рекомендательные системы; рекомендация точек интереса; матричная факторизация; нейронные сети
|
|
| |
|
Читать полный текст статьи …
|
Ссылка для цитирования:
Жданов П. С. КЛАССИФИКАЦИЯ КОНТЕКСТНО-ЗАВИСИМЫХ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ ДЛЯ РЕКОМЕНДАЦИИ ТОЧЕК ИНТЕРЕСА // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2023. -№03. -С. 55-60 DOI 10.37882/2223–2966.2023.03.13 |
|
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
