Извлечение визуальных признаков для товарных рекомендаций

Данная работа посвящена задаче извлечения визуальных признаков из изображений товаров и дальнейшего их использования в контекстной рекомендательной системе. В работе рассмотрены и проанализированы методы извлечения визуальных признаков, применяемые в современных рекомендательных системах, установленных на крупных сайтах и магазинах (Amazon, Pinterest, Houzz.com, Flipkart). В качестве основного метода извлечения визуальных признаков использовалась предобученная глубокая свёрточная нейронная сеть. В работе были предложены вариации дообучения, а также модификации структуры глубокой нейронной сети, которые затем были реализованы на практике. Также был предложен метод формирования персонализированных рекомендаций на основе нейронной сети. Эксперименты проводились на открытом наборе данных Amazon product data, содержащем информацию о товарах и о поведении пользователей (факт покупки). Качество рекомендаций, сгенерированных системой, оценивалось в сравнении с общепринятым «классическим» методом коллаборативной фильтрации. Наилучшие результаты, показанные предложенными моделями, не уступили или даже превзошли результат коллаборативной фильтрации на различных метриках. Ключевые слова: СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ, ИЗВЛЕЧЕНИЕ ВИЗУАЛЬНЫХ ПРИЗНАКОВ