Аналіз проблем використання систем рекомендацій під час застосування в Smart об’єктах

DOI №______

Анотація

Розглянуто проблеми використання систем рекомендацій під час застосування в SMART об’єктах. Системи рекомендацій — це програми, що відкривають абсолютно нові можливості і намагаються передбачити, які SMART об’єкти можуть сподобатися користувачеві, маючи певну інформацію про їх профіль, у тому числі в SMART RETAIL і в SMART HOUSE. Показано, що застосування систем рекомендацій має об’єктивні переваги, даючи можливість підвищити ефективність роботи персоналу із залучення й утримання клієнтів, об’єднати маркетинг з організаційними і технічними засобами, що в свою чергу дозволить збільшити продуктивність і прибуток підприємства. Проаналізовано наслідки впровадження системи рекомендацій як сучасної інтелектуальної технології, зокрема появу негативних умов для ефективного впровадження цієї інтелектуальної технології. Розкрито особливості впровадження систем рекомендацій.
Установлено найбільш доцільний для використання підхід, який дозволить визначати об’єкти, не маючи ніякого уявлення про те, що ці об’єкти собою представляють для застосування в різних сферах: у SMART RETAIL і в SMART HOUSE. Описано підходи розробки систем рекомендацій, зокрема фільтрацію на основі вмісту і колаборативну фільтрацію. Обґрунтовано, що найбільш доцільно застосовувати методи колаборативної фільтрації. Розглянуто три методики проведення колаборативної фільтрації: колективного досвіду групи; побудови математичної моделі; побудови гібридної моделі. Проаналізовано проблеми під час застосування систем рекомендацій, а саме: розрідженості даних, «холодного старту», масштабованості, синонімії, шахрайства, різноманітності, «білої ворони», застосування в соціальних мережах. Визначено, що метод колаборативної фільтрації рекомендує об’єкти, не маючи ніякого уявлення про те, що це за об’єкти.

Ключові слова: системи рекомендацій; колаборативна фільтрація.

Список використаних джерел
1. Xiaoyuan Su, Taghi M. Khoshgoftaar. A Survey of Collaborative Filtering Techniques A Survey of Collaborative Filtering Techniques // Hindawi Publishing Corporation, Advances in Artificial Intelligence archive, USA. 2009.
2. An integrated approach to TV Recommendations by {{Не перекладено|TV Genius||en|TV Genius}}. Архів оригіналу за 6 червень 2012. Процитовано 15 квітня 2015 р.
3. Koren Y., Bell R., Volinsky C. Matrix Factorization Techniques for Recommender Systems // Computer // IEEE. Т. 42, № 8. С. 30–37.
4. Su X., Magyh T. Khoshgoftaar Survey of Collaborative Filtering Techniques // Advances in Artificial Intelligence. 2009.
5. A Survey of Collaborative Filtering Techniques, 2009, Р. 3.
6. Fleder D., Hosanagar K. Blockbuster Culture’s Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity // Management Science, Vol. 55, No. 5, May 2009. Р. 697–712: журнал. 2009. P. 1–49.
7. Yehuda Koren. Factor in the Neighbors: Scalable and Accurate Collaborative Filtering // Yahoo! Research, Haifa. 2009. P. 1–11.
8. Sammut C., Webb J. (Eds.). Encyclopedia of Machine Learning. NY, USA // IBM T. J.Watson Research Center, 2010. Т. 1. Р. 829–838.
9. Linden G., Smith B., York J. Item-to-Item Collaborative Filtering // IEEE Internet Computing, Los Alamitos, CA USA. 2003. P. 76–80.