Коллаборативная фильтрация. Рекомендации на основе матричных разложений. Контентные рекомендации.

Введние 3
Глава 1 Коллаборативная фильтрация 4
Глава 2. Матричные разложения 10
Глава 3. Контентные рекомендации 15
Глава 4. Сравнение коллаборативной и контентной фильтрации 21
Заключение 25
Контрольные вопросы (не менее 15) 26
Тестовые задания (20 вопросов с 5 вариантами ответов) 27
Список используемых источников 31

Весь текст будет доступен после покупки

В настоящее время в эпоху цифровых технологий и обилия информации важнейшей задачей становится помощь пользователям в поиске нужного контента. С каждым днем количество предоставляемых услуг и продуктов в интернете растет, что требует от пользователей значительных усилий для нахождения подходящих вариантов. Для того чтобы четко формировать рекомендации, учитывая предпочтения пользователя, наиболее эффективный метод для это коллаборативная фильтрация. Данный метод основан на анализе поведения и оценок пользователей, позволяя рекомендовать товары, фильмы, музыку и другие услуги на основе предпочтений схожих пользователей.
Целью данного исследования является изучение методов коллаборативной фильтрации, в частности, матричных разложений и контентных рекомендация, а также их сравнительный анализ.

Весь текст будет доступен после покупки

Глава 1 Коллаборативная фильтрация
Перед началом, разберем что такое коллаборативная фильтрация, как она работает и для чего нужна. Коллаборативная фильтрация – метод прогнозирования предпочтений пользователя, который основывается на интересах других пользователей сайта. Система анализирует собранные данные и предлагает товары, которые пользователи с похожими увлечениями уже рассматривали на данном сайте, но конкретному человеку они еще не попадались. Данный метод необходим для того, чтобы пользователь задержался на сайте и переходил с одной страницы на другую. Чаще всего подобный метод используется маркетплейсами, для которых очень важно удержать пользователя на сайте. Также подобную систему позаимствовали и другие платформы, например, те, что предлагают просмотр фильмов и сериалов, социальные сети, музыка и другие. Главная цель такого метода, сфокусировать внимание покупателей и посетителей сайта к другим товарам и услугам, которые также могли бы быть интересны пользователю.
Главными задачами коллаборативной фильтрации являются:
• Удерживание посетителей на странице
• Продажа большего числа товаров
• Экономия времени пользователей сайта на поиск необходимых товаров и услуг.
Разберем схему коллаборативной фильтрации. Допустим пользователь приобрел телефон некоторой модели А, затем приобрел к нему наушники модели Б. Система анализирует ваши покупки, также, как и покупки других пользователей. Другой случай где пользователь купил такой же телефон модели А, затем к нему чехол модели В. В результате обработки, на основе коллаборативной фильтрации, вам может быть рекомендован также чехол В, как как его выбирали другие пользователи с похожими предпочтениями. [1]

Рисунок 1 Схема работы коллаборативной фильтрации
Рассмотрим подробнее принцип работы коллаборативной фильтрации на примере онлайн-магазина электроники.
1. Сбор данных о пользователях.
Прежде чем рекомендовать определенные товары, система собирает данные о поведении пользователей, такие как: история покупок (что, когда и за какую цену пользователь приобрел), оценки товаров, просмотры товаров (например, какие товары пользователь просмотрел, но не купил), другие взаимодействия с товаров (например, во многих приложениях онлайн-магазинов можно товары добавлять в избранное, с целью купить позднее или просто сохранить товар).
2. Анализ схожести пользователей.
После сбора данных, система начинает анализировать схожесть между другими пользователями. Для этого могут использоваться различные методы, такие как: Матричная факторизация (для разбиения данных на матрицы, где отдельными элементами будут пользователи и товары, для выявления скрытых факторов и закономерностей), и коэффициент сходства (например, косинусное сходство, для выявления сходства между пользователями на основе их оценок товаров).

Весь текст будет доступен после покупки

1) Что такое коллаборативная фильтрация и как работает. [Электронный ресурс]. Режим доступа: https://www.mango-office.ru/journal/for-marketing/osnovy/kollaborativnaya-filtraciya/#anchor_83f0ec424dd784b81d17959aac22aaec (дата обращения: 15.08.2025)
2) Спектральное и сингулярное разложение матриц. [Электронный ресурс]. Режим доступа: https://stepik.org/lesson/605027/step/6 (дата обращения: 15.08.2025)
3) ТРАНСПОНИРОВАНИЕ МАТРИЦ. УМНОЖЕНИЕ МАТРИЦ. [Электронный ресурс]. Режим доступа: https://miemp-mi-gor.narod.ru/utcheba/matem/matrica/002.htm (дата обращения: 17.08.2025)
4) Коллаборативная фильтрация и матричные разложения. [Электронный ресурс]. Режим доступа: http://www.machinelearning.ru/wiki/images/archive/9/95/20210411002205%21Voron-ML-CF.pdf (дата обращения: 18.08.2025)
5) Рекомендации на основе матричных разложений. [Электронный ресурс]. Режим доступа: https://education.yandex.ru/handbook/ml/article/rekomendacii-na-osnove-matrichnyh-razlozhenij (дата обращения: 19.08.2025)
6) Контент-фильтр: что это, для чего служит | Контентная фильтрация контента — Staffcop. [Электронный ресурс]. Режим доступа: https://www.staffcop.ru/blog/kontent-filtr-chto-eto-dlya-chego-sluzhit-kontentnaya-filtratsiya-kontenta-staffcop/ (дата обращения: 23.08.2025)

Весь текст будет доступен после покупки