Исследование, разработка и применение алгоритмов в рекомендательных системах

Эта магистерская диссертация посвящена теме исследования, разработки и применения алгоритмов в рекомендательных системах. Автор провел всестороннее исследование, которое включало обзор литературы и практический кейс. Актуальность данной темы исследования обусловлена широким спектром областей применения рекомендательных систем в различных областях, таких как электронная коммерция и персонализация контента. Повышение эффективности рекомендательных систем обычно положительно влияет на пользовательский опыт, клиентские метрики и общие финансовые результаты компании. Целью этой работы является развитие глубокого понимания рекомендательных систем, включая их историю и области применения, изучение классических и новых алгоритмов, используемых в этих системах, и оценочных показателей, используемых для оценки их эффективности. Для практического кейса автор использовал набор данных ml-100k, предоставленный компанией MovieLens, который содержит оценки фильмов, данные пользователями. С использованием этого набора данных оценивается производительность двух алгоритмов совместной фильтрации, в частности K-ближайших соседей (KNN) и разложения по сингулярным значениям (SVD). Результаты практического кейса анализируются и интерпретируются с точки зрения эффективности и актуальности применения этих алгоритмов в данном контексте.