Аннотация:С развитием Интернета накапливается всё больше и больше информации о пользователях, которую можно применить для предоставления более высокого сервиса. Например, не показывать рекламу ненужных вещей, при входе в интернет магазин предложить привычные продукты (основываясь не только на опыте конкретного пользователя, а предпочтениях других покупателей), предлагать посмотреть фильмы, послушать музыку, подходящую пользователю. Такой подход получил название «рекомендательные системы».
Игорю была поставлена задача изучить современные подходы в области рекомендательных систем и оценить их эффективность при решении практических задач. В своей выпускной работе Ким И. И. исследовал методы, описанные в научной статье «Haekyu Park, Jinhong Jung, U Kang A Comparative Study of Matrix Factorization and Random Walk with Restart in Recommender Systems» на различных свободно доступных базах данных и на приватной базе данных заказа еды через интернет. Качество рекомендаций оценивалось по метрике Спирмена и top-k для метода случайных направлений.
В итоге, как оказалось, случайные направления могут показывать результаты не хуже, а порой лучше матричной факторизации обучаясь на информации явной обратной связи, что опровергает вывод, сделанный в упомянутой выше статье. Также было показано, что добавление глобального смещения улучшает показатели метода.