Modeling preferences with a personalized recommender online service system

Abstract

Рекомендательные системы – мощный инструмент и большое преимущество любого интернет ресурса, который улучшает показатели эффективности бизнеса. Основной целью рекомендательных систем является помощь пользователям в навигации по данным веб-сервиса. В настоящей работе будет проведено построение рекомендательной системы работающей с неявными данными. Основная часть исследования посвящена разработке модели, учитывающей особенности неявной обратной связи, в том числе фильтрации шума. В работе также предлагается алгоритм решения, который удобно масштабируется в соответствии с входными данными. Полученные результаты для разных наборов данных показали, что реализованная система имеет широкие перспективы дальнейшего развития и улучшения в рамках букмекерской конторы.

Recommender systems are a powerful tool for improving business efficiency. The main goal of the recommender systems is to help users navigate through the web service data. In this paper we will build the recommender system working with implicit data. The main part of the research is devoted to the development of models taking into account the features of implicit feedback. The paper also proposes a solution algorithm that conveniently scales in accordance with the input data. It is shown that the implemented system has broad prospects for further development and improvement within the framework of the betting company.