Контекстно-зависимая рекомендательная система на основе алгоритма тензорных разложений

Коллаборативная фильтрация является самой популярной техникой построения рекомендательных систем. Базовые методы коллаборативной фильтрации не требуют знаний предметной области и имеют достаточно высокие показатели качества, позволяющие использовать эти методы без модификации в большинстве практических случаев. Данная работа заключается в создании рекомендательной системы коллаборативной фильтрации, которая позволяет рассматривать дополнительную информацию, обозначаемую контекстом для построения более точных рекомендаций. В ходе работы были исследованы существующие контекстно-зависимые алгоритмы, и разработана распределённая имплементация алгоритма iTALS на Apache Spark для расчёта модели по большому объёму данных на Hadoop-кластере. В работе представлены результаты сравнения модели на реальных данных с различными видами контекста с базовым алгоритмом матричной факторизации ALS, имплементированным в фреймворке Apache Spark. Данная работа содержит 25 страниц, 3 главы, 3 рисунка, 3 таблицы, 16 источников, 4 приложения.