МОДИФІКАЦІЯ МЕТОДУ КОЛАБОРАТИВНОЇ ФІЛЬТРАЦІЇ ТИПУ ITEM-BASED

Анотація

У даній статті представлено вдосконалений підхід до формування рекомендацій на основі колаборативної фільтрації типу item-based, який інтегрує семантичні та часові чинники разом із методами кластерного аналізу. Основною метою запропонованих удосконалень є зниження обчислювального навантаження на рекомендаційний модуль та підвищення релевантності сформованих рекомендацій шляхом виключення контенту, що не має смислового навантаження, із одночасним збереженням контексту під час генерації рекомендацій для користувачів. У межах реалізації алгоритму використано методи колаборативної фільтрації в комбінації з алгоритмом кластеризації HDBSCAN, що забезпечило ефективну обробку великих обсягів даних. Застосування семантичних та часових характеристик об'єктів дало змогу істотно підвищити точність апроксимації оцінок користувачів і, відповідно, якість персоналізованих рекомендацій. Крім того, запропоновано метод оптимізації обробки даних з урахуванням динаміки змін інтересів користувачів у часовому розрізі. Розроблена система також передбачає можливість класифікації контенту за релевантними ознаками, що сприяє підвищенню точності фільтрації. Процедура попередньої обробки передбачає агрегацію даних із подальшим застосуванням кластеризації, що дозволяє зменшити обчислювальну складність формування рекомендацій. Обчислення подібності між об'єктами здійснюється з урахуванням як часових, так і семантичних характеристик. Розроблено програмне забезпечення для тестування запропонованого алгоритму на різних наборах даних. Експериментальна перевірка запропонованого підходу на різних датасетах продемонструвала його переваги над базовими методами за критеріями точності та продуктивності.