Интеллектуальные системы и технологии

Comparison of recommendation systems based on machine learning methods

[Cравнение рекомендательных систем основанных на методах машинного обучения]

V. Van^a, A. S. Gruzdev^b, Nguyen Quang Thanh^c, N. T. Nguyen<sup>b

a</sup> Ho Chi Minh University of Education
^b Peter the Great St. Petersburg Polytechnic University
^c University of Phan Thiet, Binh Thuan, Vietnam

Аннотация: Нейросетевые модели испытывают сложности при необходимости работы с разреженными категориальными признаками. Вложения являются способом уменьшения размерности таких признаков ради повышения производительности модели. Согласно традиционной совместной фильтрации, используется скалярное произведение или мера сходства для объединения двух или более вложений. Как правило, матричная факторизация является простейшим примером модели вложения. В статье рассмотрена нейронная совместная фильтрация (NCF) для прогнозирования результатов оценки товаров и отображения рекомендаций пользователям на электронных коммерческих площадках. Алгоритм нейронной совместной фильтрации на основе линейной и квадратичной метрики показывает преимущество перед другими методами. Можно применять алгоритм NCF в рекомендательной системе, использующей модель глубокого обучения.

Ключевые слова: машинное обучение, нейронная сеть, система рекомендации, глубокое обучение, нейронная совместная фильтрация.

УДК: 004.852

Поступила в редакцию: 11.01.2022

Язык публикации: английский

DOI: 10.18721/JCSTCS.15106