442
правки
Изменения
→Обзор и постановка задачи
== Обзор и постановка задачи ==
Основная задача рекомендательных систем {{---}} проинформировать пользователя о товаре или услуге, которая будет для него наиболее инетерсной интересной и акутальнойактуальной. Разнообразие таких систем можно проиллюстрировать основными характеристиками:
* Предмет рекомендации;
* Алгоритмы.
В центре таких систем лежит матрица предпочтений. В этой матрице одна из осей отвечает за пользователей, вторая за обхекты объекты рекомендации. Заполнена же эта матрица значениями по заданной шкале (например от <tex>1 </tex> до <tex>5</tex>). Каждый клиент с малой долей вероятностью оценивал все объекты рекомендации, поэтому задача системы {{---}} это обобщение информации и предсказание, какое отношение к рекомендуемому обхекту объекту будет у пользователя.
Пользовательские оценки, необходимые для составления матрицы предпочтений, можно получить двумя способами:
Очевидно, что явное оценивание лучше, так как сам пользователь определяет насколько ему интересен тот или иной объект, однако из-за непостоянства в получении явных оценок от пользователей, на практике используется оба подхода.
Формализуем задачу. Имеется множество пользователей <tex> u \in U </tex>, множество объектов <tex> i \in I </tex> и множество событий <tex> (r_{ui}, u, i,\dots) \in D </tex> (действия, которые совершают пользователи с объектами). Каждое событие задается пользователем <tex> u </tex>, объектом <tex> i </tex>, своим результатом <tex> r_{ui} </tex> и, возможно, но не обяхательнообязательно, другими харакетристикамихарактеристиками. По итогу требуется:
* предсказать предпочтение: <tex> \hat{r}_{ui} = Predict(u, i,\dots) \approx r_{ui} ; </tex>* персональные рекомендации: <tex> u \mapsto (i_1,\dots, i_k) = Recommend_k(u,\dots) ; </tex>* похожие объекты: <tex> u \mapsto (i_1,\dots, i_M) = Similar_M(i) . </tex>
==Кластеризация пользователей==
