РОЗРОБКА СИСТЕМИ РЕКОМЕНДАЦІЇ КОНТЕНТУ НА ОСНОВІ АУДІОВІЗУАЛЬНИХ ХАРАКТЕРИСТИК

Анотація

В роботі досліджено проблему створення ефективних рекомендаційних систем для мультимедійного контенту з використанням аудіовізуальних характеристик. Актуальність дослідження зумовлена стрімким зростанням обсягів медіаконтенту в мережі Інтернет та необхідністю покращення точності персоналізованих рекомендацій. Проаналізовано сучасні методи глибокого навчання для витягу ознак з медіаконтенту, включаючи згорткові нейронні мережі для аналізу візуальних характеристик та рекурентні нейронні мережі для обробки аудіоданих. Розглянуто підходи до об'єднання різнорідних характеристик контенту для формування єдиного векторного представлення. Запропоновано архітектуру гібридної рекомендаційної системи, що поєднує аналіз аудіовізуальних характеристик з традиційними методами колаборативної фільтрації. Розроблено алгоритм ранжування рекомендацій на основі багатокритеріальної оптимізації, що враховує як схожість контенту за аудіовізуальними характеристиками, так і поведінкові патерни користувачів. Проведено експериментальне дослідження ефективності запропонованого підходу на великому наборі мультимедійних даних. Результати експериментів показали підвищення точності рекомендацій на 15-20% порівняно з базовими методами, що враховують лише текстові метадані. Практична цінність роботи полягає у можливості застосування розробленої системи для покращення якості рекомендацій у стрімінгових сервісах, онлайн-кінотеатрах та музичних платформах.