Решение проблемы холодного старта для сервиса рекламных объявлений на основе данных социальных сетей

В последние годы, все большее число интернет пользователей практикует использование различных интернет-магазинов или других интернет-сервисов. В связи с этим растет спрос на рекомендательные системы для этих сервисов. Поскольку многие виды реализаций рекомендательных систем сильно базируются на истории взаимодействий пользователей и объектов часто возникают проблемы в случае когда этой истории нет. В таких случаях можно применять исходные данные о пользователе - например, данные указываемые при регистрации на ресурсе. Однако, в последнее время все большее число пользователей авторизуются в интернет-сервисы через разного рода социальные сети. Это открывает большой потенциал для улучшения рекомендаций вышеописанным проблемным пользователям. В данной работе решается задача выдачи рекомендации таким пользователям на основе данных социальной сети для сервиса рекламных объявлений. Выявляется зависимость между данными пользователя в соцсети и его любимой категории на сервисе рекламных объявлений. Была построена модель машинного обучения на основе обработанных данных (в том числе и составления осмысленных признаков) и получены результаты, которые превосходят модель случайного выбора и уступают существующей модели на основе коллаборативной фильтрации.