Разработка рекомендательной системы для приложения сферы электронной коммерции

Содержание 4
Введение 7
1 Постановка задачи 9
1.1 Описание актуальности проблемы 9
1.2 Цель работы 11
1.3 Задачи исследования 11
1.4 Объект исследования 12
1.5 Предмет исследования 12
1.6 Методология и методы исследования 13
1.7 Эмпирическое основание 13
1.8 Теоретическая значимость 13
1.9 Практическая значимость 13
1.10 Постановка задачи 13
2 Описание предметной области 15
2.1 Терминология (глоссарий) предметной области 15
2.2 Обзор литературы, посвященной исследованию рекомендательных систем для сферы электронной коммерции 15
2.3 Анализ предметной области 16
2.3.1 Рынок электронной коммерции 16
2.3.1.1. Особенности и преимущества рынка электронной коммерции 18
2.3.2 Рекомендательные системы 19
2.3.2.1. История возникновения рекомендательных систем 20
2.4 Обзор различных сервисов в сфере электронной коммерции, применяющих в своей работе рекомендательные системы 21
2.4.1 Amazon 22
2.4.2 eBay 23
2.4.3 Esty 24
2.4.4 Ozon 25
2.4.5 Достоинства и недостатки рассмотренных аналогов 27
3 Теоретические основы и исследование рекомендательных систем в сфере электронной коммерции 29
3.1 Подходы к построению рекомендательных систем 30
3.1.1 Неперсонализированные рекомендательные системы 31
3.1.2 Персонализированные рекомендательные системы 33
3.2 Классификация персонализированных рекомендательных систем 35
3.2.1 Коллаборативная фильтрация 35
3.2.1.1. Фильтрация на основе модели 36
3.2.1.2. Фильтрация на основе памяти 37
3.2.1.2.1. Корреляция Пирсона 37
3.2.1.2.2. Косинусная мера близости 38
3.2.2 Контентная фильтрация 39
3.2.3 Системы на основе знаний 40
3.2.4 Гибридные системы 42
3.2.4.1. Классификация гибридных рекомендательных систем 44
3.2.4.1.1. Монолитные рекомендательные системы 44
3.2.4.1.2. Смешанные рекомендательные системы 46
3.2.4.1.3. Ансамбли рекомендательных систем 46
3.3 Достоинства и недостатки применения рекомендательных систем 49
3.3.1 Проблема «холодного старта» 50
3.3.1.1. Новое сообщество 51
3.3.1.2. Новый элемент 51
3.3.1.3. Новый пользователь 52
3.4 Оценка эффективности системы рекомендаций 53
3.4.1 Статистические метрики 54
3.4.2 Метрики точности принятия решений 55
4 Разработка рекомендательной системы на основе гибридной фильтрации для приложения сферы электронной коммерции 57
4.1 Определение целей системы 58
4.2 Определение требований к системе 59
4.3 Выбор подходящих технологий и методов 60
4.3.1 Сравнение подходов к реализации рекомендательных систем 60
4.3.2 Определение факторов выбора 63
4.3.3 Определение стека технологий для реализации 63
4.4 Реализация 65
4.4.1 Описание работы неперсонализированной рекомендательной системы в приложении сферы электронной коммерции 65
4.4.2 Описание работы персонализированной рекомендательной системы в приложении сферы электронной коммерции 66
4.4.2.1. Поведенческий профиль пользователя 69
4.4.3 Практическая реализация гибридной рекомендательной системы 70
4.4.3.1. User Service 70
4.4.3.2. Product Service 71
4.4.3.3. Purchase Service 72
4.4.3.4. Delivery Service 73
4.4.3.5. Recommendation Service 73
4.4.3.5.1. Задание параметров фильтрации для формирования рекомендательных кластеров 74
4.4.3.5.1. Внутренняя реализация рекомендательной системы 75
4.4.4 Формирование пользовательских рекомендаций 75
5 Тестирование разработанной рекомендательной системы 78
Заключение 82

Весь текст будет доступен после покупки

В настоящее время, внедрение современных информационных технологий для продвижения и обогащения бизнеса стало очень актуальным. IT-продукты тесно интегрированы в современный бизнес и помогают компаниям улучшить эффективность, расширить возможности и оставаться конкурентноспособными для увеличения и сохранения своих прибыли и клиентов. Роль информационных технологий в бизнесе невозможно переоценить, так как они не только улучшают структуру текущих процессов, но и открывают множество возможностей для роста, масштабирования и прогресса.
Одна из востребованных ниш в бизнесе, где современные информационные технологии стали практически незаменимы, — это рынок электронной коммерции. В сфере e-commerce использование информационных технологий и IT-продуктов играет ключевую роль в обеспечении успеха и конкурентной способности компаний.
E-commerce объединяет все площадки и сервисы, где оплата происходит онлайн. В первую очередь — это интернет-магазины, которые принимают электронные платежи. В действительности, e-commerce — это не только финансовые или торговые транзакции, осуществляемые с помощью сетей, но и цепочки глобальных бизнес-процессов, связанных с проведением транзакций. Сегодня к электронной коммерции относят электронную покупку или продажу товаров через онлайн-сервисы или через интернет, мобильную коммерцию, электронные переводы средств, управление цепочками поставок, интернет-маркетинг, онлайн-обработку транзакций, электронный обмен данными (EDI), системы управления запасами и автоматизированные системы сбора данных.

Весь текст будет доступен после покупки

Постановка задачи
1.1 Описание актуальности проблемы
Первое полугодие 2020 года стало самым непредсказуемым за все время развития электронной коммерции в мире и в начале 2021 года пережило одну из самых удивительных трансформаций.
По меркам рынка в одно мгновение изменились все догмы индустрии – покупательское поведение, способы и место совершения покупки, средний чек и другие факторы. Пандемия буквально вынудила многих покупателей приобрести новый опыт: более 40% приобретали онлайн то, что раньше покупали только в розничной точке продаж, 25% за период изоляции нашли новые магазины и также остались лояльны к ним после снятия ограничений. Объем российского рынка электронной коммерции в 2020 году достиг 2,7 трлн рублей, увеличившись на 58% в сравнении с 2019-м. Об этом свидетельствуют данные Data Insight. Возрастание темпа роста рынка в сравнении с прошлым годом аналитики объяснили распространением пандемии коронавируса COVID-19, по причине которой люди стали чаще проводить время дома и заказывать товары через интернет.
Мотивирующие цифры несут в себе и новые вызовы. Стоит понимать, что чем больше покупок совершается онлайн, тем выше становятся требования к продавцам. Более 40% пользователей отказываются от онлайн-магазина, если их что-то не устраивает в процессе совершения покупки. При выборе магазина решающими факторами становятся бесплатная и быстрая доставка, скидочные купоны и, разумеется, персонализированные пользовательские предложения.

Весь текст будет доступен после покупки

1. PostgreSQL. Основы языка SQL: учеб. пособие / Е. П. Моргунов; под ред. Е. В. Рогова, П. В. Лузанова. — СПб.: БХВ-Петербург, 2018. — 336 с.
2. Документация JavaScript-библиотеки React.js [Электронный ресурс]. Режим доступа: https://ru.react.js.org/docs/getting-started.html
3. Фальк K. Практические рекомендательные системы, публикации по подбору персонала: 1-е издание. – 2019. – 432 с.
4. Ханг A. Меры сходства для кластеризации текстовых документов в материалах Шестой Новозеландской студенческой конференции по компьютерным наукам, 2008. – 56 с.
5. Джавахир, Г. Моделирование предпочтений пользователей в рекомендательных системах: система классификации явных и неявных отзывов пользователей / Г. Джавахир, П. Веллер, П. Косткова // АКМ Транзакции в интерактивных интеллектуальных системах. – 2014. – Том 4.
6. Минг, Л. Рекомендации по покупке продуктов, основанные на случайном просмотре с учетом особенностей корзины / Л. Минг, Б. M. Диас // В материалах 15-й Международной конференции по поиску знаний и интеллектуальному анализу данных. – 2009. –1224 с.
7. Коллаборативная фильтрация: как предпочтения других пользователей влияют на твои рекомендации // VC [сайт]. – URL: https://vc.ru/marketing/153788-kollaborativnaya-filtraciya-kak-predpochteniyadrugih-polzovateley-vliyayut-na-tvoi-rekomendacii (дата обращения 10.04.2024).
8. Рекомендательные системы: user-based и item-based. // Habr [сайт]. – URL: https://habr.com/ru/company/surfingbird/blog/139518/ (дата обращения 20.05.2024).
9. Рекомендательные системы: идеи, подходы, задачи. // Habr [сайт]. – URL: https://habr.com/ru/company/jetinfosystems/blog/453792/ (дата обращения 20.05.2024).
10. Паззани, M. Изучение и пересмотр профилей пользователей: выявление интересных веб-сайтов / M. Паззани, Д. Билсас // Машинное обучение. – 1997. –331 с.

Весь текст будет доступен после покупки