УДК 004

Исследование и проектирование информационной системы web-приложения с использованием рекомендательных алгоритмов

Фардалов Денис Фаритович – студент магистратуры Уральского государственного горного университета

Аннотация: В статье рассматривается роль рекомендательных систем в информационных системах веб-приложений. Описываются различные типы рекомендательных алгоритмов, такие как алгоритмы на основе контента, совместной фильтрации и гибридные алгоритмы. Также рассматриваются этапы проектирования информационных систем с использованием рекомендательных алгоритмов, включая сбор данных, их предварительную обработку, выбор подходящего алгоритма, обучение модели и оптимизацию. Приводятся примеры использования рекомендательных систем в различных веб-приложениях, таких как онлайн-кинотеатры и музыкальные сайты.

Ключевые слова: информационные системы, рекомендательные системы, рекомендательные алгоритмы, типы алгоритмов, сбор данных, предварительная обработка, модели обучения.

В настоящее время информационные системы веб-приложений являются частью нашей жизни. Они используются для различных целей, таких как поиск информации, онлайн-шопинг, социальные сети и многое другое. Однако с увеличением количества доступной информации в Интернете становится все труднее найти нужную информацию. В этом случае рекомендательные системы могут помочь пользователям в выборе наиболее подходящего вида информации.

Рекомендательные системы – это системы, которые предлагают пользователям наиболее подходящие варианты на основе их предыдущих действий и мнений. Они используются в различных областях, таких как музыка, книги, новости и т. д. В последнее время рекомендательные системы стали широко использоваться в веб-приложениях для улучшения пользовательского опыта.

В данной статье мы рассмотрим исследование и проектирование веб-приложений информационных систем с использованием рекомендательных алгоритмов. Также мы рассмотрим различные виды рекомендательных алгоритмов и их применение в веб-приложениях.

Рекомендательные алгоритмы

Рекомендательные алгоритмы могут быть разделены на несколько типов в зависимости от используемых данных и методов обработки. Некоторые из наиболее типичных типов рекомендательных алгоритмов включают в себя:

  • Рекомендательные алгоритмы на основе контента: Эти алгоритмы основаны на анализе элементов содержания, которые выбираются. Например, если пользователь ищет книги по теме «искусственный интеллект», рекомендательная система может предложить другие книги по этой теме.
  • Рекомендательные алгоритмы совместной фильтрации: Эти алгоритмы основаны на анализе предпочтений пользователей. Например, если пользователь A и пользователь B оба отдают предпочтение книгам по теме «искусственный интеллект», то рекомендательная система может предложить по этой теме пользователя A, которая ранее была выбрана пользователем B.
  • Гибридные рекомендательные алгоритмы: Эти алгоритмы объединяются в несколько типов рекомендательных алгоритмов. Например, система может использовать как алгоритмы контентной, так и совместной фильтрации для предоставления наиболее точных рекомендаций.

Проектирование информационных систем веб-приложений с использованием рекомендательных алгоритмов

Проектирование информационных систем web-приложений с использованием рекомендательных алгоритмов может быть разбито на несколько этапов:

Сбор данных: для создания рекомендательной системы необходимо собрать данные о пользователях и элементах, которые будут включены. Эти данные могут быть получены из различных источников, таких как базы данных, социальные сети и т. д.

Предварительная обработка данных: данные, полученные на предыдущих этапах, должны быть предварительно обработаны для улучшения рекомендаций по качеству. Например, данные могут быть очищены от ошибок и восстановлены, а также преобразованы в удобный формат для дальнейшей обработки.

Выбор алгоритма: на этом этапе вы выбираете наиболее подходящий тип рекомендательного алгоритма для конкретной задачи. Например, если система передает книги, то может быть выбран алгоритм, основанный на контенте.

  • Модели обучения: на этом этапе модель рекомендательной системы обучается на основе предварительной обработки данных. Обучение модели может занять много времени, особенно если используются сложные алгоритмы.
  • Тестирование и оптимизация: после обучения модели необходимо протестировать ее на новых данных и адаптировать для улучшения качественных показателей.

Примеры использования рекомендательных систем в веб-приложениях

  • Онлайн-кинотеатры, такие как Start и Ivi, используют рекомендательные системы для предложений фильмов и сериалов, которые могут заинтересовать пользователя, на основе его предыдущих просмотров и оценок.
  • Веб-сайты, такие как музыкальный сайт, могут использовать рекомендательные системы для предложения новых исполнителей и альбомов, которые могут понравиться пользователю, на основе его предыдущих прослушиваний и оценок.
  • Интернет-магазины, такие как Amazon и Ozon, используют рекомендательные системы для предложения товаров, которые могут заинтересовать пользователя, на основе его предыдущих покупок и просмотров.
  • Социальные сети, такие как Facebook и ВК, используют рекомендательные системы для предложений друзей и групп, которые могут заинтересовать пользователя на основе его предыдущих действий и интересов.

Рекомендательные системы могут использоваться в любом веб-приложении, где есть необходимость предложить пользователю наиболее подходящую информацию на основе его предыдущих действий и мнений. Они могут улучшить пользовательский опыт и повысить удовлетворенность пользователей, что, в свою очередь, может привести к увеличению продаж и доходов.

Список литературы

  1. Джонс М. Рекомендательные системы: Часть 1. Введение в подходы и алгоритмы. – Дата обновления: 29.04.2014. URL: http://www.ibm.com/developerworks/ru/library/os-recommender1.html (дата обращения: 30.10.2023).
  2. Наталья К. Как сделать свою рекомендательную систему. – Дата обновления: 6 июн 2022. URL: "https://habr.com/ru/companies/yandex_praktikum/articles/669780/"/669780/ (дата обращения: 25.10.2023).
  3. Самохвалова О.С., Уляшев К.Д. Разработка приложения для построения рекомендаций сообществ социальной сети ВКонтакте | Software Journal: Theory and Applications (электронный сетевой международный научно-практический журнал) (swsys-web.ru) (дата обращения: 23.10.2023).
  4. Что такое рекомендательные системы и как их применять для улучшения UX и роста продаж. – Дата обновления: 10 Июл 2022. URL: https://ux-journal.ru/introduction-to-product-recommender-systems.html (дата обращения: 22.10.2023).
  5. Солдатенко М.. Какие данные собирают сайты в рекомендательных алгоритмах… – Дата обновления: 18 октября 2023. URL: https://www.fontanka.ru/2023/10/18/72822350/ (дата обращения: 22.10.2023).

Интересная статья? Поделись ей с другими: