ЗАСТОСУВАННЯ АКТИВНОГО НАВЧАННЯ В СИТУАЦІЇ ЦИКЛІЧНОГО ХОЛОДНОГО СТАРТУ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ

Autor: Leshchynskyi, Volodymyr Oleksandrovich, Leshchynska, Irina Oleksandrivna
Jazyk: ukrajinština
Rok vydání: 2018
Předmět:
Zdroj: Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies; № 44 (2018); 66-71
Вестник Национального технического университета "ХПИ". Серия: Системный анализ, управление и информационные технологии; № 44 (2018); 66-71
Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї; № 44 (2018); 66-71
ISSN: 2079-0023
2410-2857
Popis: The problem of constructing recommendations for electronic commerce systems under conditions of cyclic cold start is investigated. This problem occurs with the constant change of user interests over the period of use of the reference subsystem. Existing approaches to forming recommendations in a cold start are based on the gradual accumulation of consumer information and therefore do not provide relevant recommendations in the event of cyclical changes in their activities and interests. To address this problem, it is proposed to take into account the aspect of changing user interests in relation to goods and services in time. The purpose of this work is to clarify the principles of active training to build recommendations in the changing consumer interests in order to provide a step-by-step refinement of personal recommendations to "cold" consumers. The obtained results contain a detailed task of forming recommendations, and the principles of active training are specified. The key feature of the cyclic cold start in the reference system is distinguished, which is the limited period during which the information about the customer of the electronic commerce system can be supplemented and refined. This feature makes it necessary to take into account the aspect of time when forming recommendations on the choice of goods and services. The problem of forming recommendations in the conditions of cyclic cold start is formulated as a task of iterative addition and refinement of the data of the new "cold" user by the patterns of the most common cycles of consumer behavior followed by the use of collaborative filtering of the refined data for the formulation of recommendations. The principles of active training for cyclic cold start conditions based on the use of typical sequence sequences of the user in time are supplemented. These principles allow you to adjust the input data for a "cold" user using a heuristic strategy that takes into account changes in patterns of consumer behavior. The patterns of behavior reflect cyclical changes in consumers' interest in the products and services offered by the e-commerce system.
Исследована проблема построения рекомендаций для систем электронной коммерции в условиях циклического холодного старта. Данная проблема возникает при постоянной смене интересов пользователей в течение срока использования рекомендательной подсистемы. Существующие подходы к формированию рекомендаций в условиях холодного старта основаны на постепенном накоплении информации о потребителе и поэтому не обеспечивают релевантных рекомендаций в случае циклических изменений в их деятельности и их интересах. Для решения этой проблемы предлагается учитывать аспект изменения интересов пользователей во времени в отношении товаров и услуг. Цель данной работы заключается в уточнении принципов активного обучения для построения рекомендаций в условиях изменения интересов потребителей с тем, чтобы обеспечить поэтапное уточнение персональных рекомендаций «холодным» потребителям. Полученные результаты включают в себя детализованную задачу формирования рекомендаций, и уточненные принципы активного обучения. Выделена ключевая особенность циклического холодного старта в рекомендательной системе. Она состоит в ограниченности периода, в течение которого может быть дополнена и уточнена информация о клиенте системы электронной коммерции. Указанная особенность обусловливает потребность в учете аспекта времени при формировании рекомендаций по выбору товаров и услуг. Сформулирована задача формирования рекомендаций в условиях циклического холодного старта как задача итеративного дополнения и уточнения данных нового «холодного» пользователя паттернами наиболее распространенных циклов поведения потребителей с последующим использованием коллаборативной фильтрации уточненных данных для формирования рекомендаций. Дополнены принципы применения активного обучения для условий циклического холодного старта на основе использования типовых последовательностей действий пользователя во времени. Указанные принципы позволяют корректировать входные данные для «холодного» пользователя путем использования эвристической стратегии, учитывающей изменения в паттернах поведения потребителей. Паттерны поведения отражают циклические изменения интереса потребителей в отношении товаров и услуг, предлагаемых системой электронной коммерции.
Досліджено проблему побудови рекомендацій для систем електронної комерції в умовах циклічного холодного старту. Дана проблема виникає при постійній зміні інтересів користувачів протягом строку використання рекомендаційної підсистеми. Існуючі підходи до формування рекомендацій в умовах холодного старту засновані на поступовому накопиченні інформації про споживача і тому не забезпечують релевантних рекомендацій у випадку циклічних змін у їх діяльності та інтересах. Для вирішення цієї проблеми пропонується враховувати аспект зміни інтересів користувачів щодо товарів та послуг в часі. Мета даної роботи полягає в уточнення принципів активного навчання для побудови рекомендацій в умовах зміни інтересів споживачів з тим, щоб забезпечити поетапне уточнення персональних рекомендацій «холодним» споживачам. Отримані результати містять у собі деталізовану задачу формування рекомендацій, та уточнені принципи активного навчання. Виділено ключову особливість циклічного холодного старту в рекомендаційній системі, що полягає в обмеженості періоду, протягом якого може бути доповнена та уточнена інформація про клієнта системи електронної комерції. Зазначена особливість обумовлює потребу у врахуванні аспекту часу при формуванні рекомендацій щодо вибору товарів та послуг. Сформульовано задачу формування рекомендацій в умовах циклічного холодного старту як задачу ітеративного доповнення та уточнення даних нового «холодного» користувача патернами найбільш розповсюджених циклів поведінки споживачів з подальшим використанням колаборативної фільтрації уточнених даних для формування рекомендацій. Доповнено принципи застосування активного навчання для умов циклічного холодного старту на основі використання типових послідовностей дій користувача у часі. Вказані принципи дозволяють коригувати вхідні дані для «холодного» користувача за допомогою евристичної стратегії, що враховує зміни у патернах поведінки споживачів. Патерни поведінки відображають циклічні зміни інтересу споживачів щодо товарів та послуг, що пропонує система електронної комерції.
Databáze: OpenAIRE
Externí odkaz: