| Popis: |
Актуальність. Через зростання цифровізації мистецтва постають задачі покращення імерсивності під час взаємодії користувача з системами extended reality мистецтвом. Методи дослідження. Колаборативна фільтрація матричною факторизацією, метод рекомендацій, заснований на знаннях, глибока нейронна мережа з шарами занурення. Мета статті: використовуючи моделі рекомендаційних систем побудованих на різних принципах провести низку обчислювальних експериментів на модельних даних і, порівнюючи результати, перевірити, який із існуючих підходів до побудови рекомендаційних систем покаже найліпші результати при розв’язанні нашої задачі - побудови системи вибору віртуальної арт-композиції. Отримані результати. Проаналізовано ефективність різних методів побудови рекомендаційних систем для розв’язування задачі вибору відео у віртуальних арт-композиціях з урахуванням явного та неявного фідбеку користувачів. Перевірено, що найбільш ефективним виявився підхід з використанням гібридної моделі, яка поєднує метод колаборативної фільтрації, метод рекомендацій, заснований на знаннях і глибоку нейронну мережу з шарами занурення. Доведено, що завдяки математичному апарату глибоких нейронних мереж можна ефективно розв’язати задачу вибору відео у віртуальних арт-композиціях з урахуванням вподобань користувача. Висновок. Розроблений у роботі підхід може бути використаний для покращення імерсивності під час взаємодії користувача з системами extended reality мистецтвом. |
