Выявление паттернов поведения пользователей в системах машинного восприятия методами машинного обучения

В современном мире информация о пользователе в системе используется повсеместно, начиная от сферы рекламы и заканчивая системами безопасности. Данные такого рода являются особенно популярными в сфере персонализированных информационных систем и систем машинного восприятия, к числу которых, среди прочих, относятся и рекомендательные системы. В свою очередь, популярным инструментом для решения задач машинного восприятия, в том числе формирования эффективных рекомендаций, является машинное обучение. Однако несмотря на богатый инструментарий машинного обучения, ключевой вопрос любой модели заключается в ее качестве: как и что можно улучшить в модели для того, чтобы усовершенствовать ее? Можно ли повысить качество модели за счет включения новых данных о пользователе и как учесть особенность его поведения? Цель данной работы – исследовать возможность выявления паттернов поведения пользователей и сформировать подход к их учету в системах машинного восприятия на примере рекомендательных систем методами машинного обучения для повышения качества формируемых рекомендаций. Поэтому в основу исследования ложится гипотеза о том, что использование данных о паттернах поведения пользователя в рекомендательных системах, которые используют методы машинного обучения для формирования рекомендаций, повышает качество рекомендаций.