Глубокое обучение для профилирования пользователей и товаров в рекомендательных системах

В представленной работы решается задача разработки системы для рекомендации стилистически совместимых продуктов, таких как мебель и предметы декора. Предложенная модель состоит из нейронной сети для извлечения визуальных признаков и модели нейросетевой коллаборативной фильтрации. Первая часть извлекает из изображения товара вектор его стилистических характеристик, а вторая использует их для формирования рекомендаций. Цель состоит в том, чтобы предложить пользователю продукты, которые наилучшим образом дополняют уже купленные им с точки зрения как функционала, так и стиля. Для дообучения предобученной сети и ориентации ее на извлечение признаков, связанных со стилем был предложен метод, основанный на сиамских нейронных сетях. Этот подход сравнивался со стандартным способом дообучения нейросети на задаче классификации. Эксперименты проводились на подмножестве «Дом и кухня» открытого набора данных «Данные о продуктах Amazon». для дообучения сети был также введен дополнительный набор данных товаров IKEA, содержащий информацию о стилистической совместимости предметов интерьера. Качество рекомендаций, полученных с помощью предложенного подхода, ориентированного на стилистическую совместимость, было количественно и качественно сопоставлено с результатом стандартной нейронной коллаборативной фильтрации, учитывающей только информацию о взаимодействиях пользователей с товарами.