Congratulation from Internet Conference!
Hello
РОЗРОБКА МЕТОДУ ВИЛУЧЕННЯ ЗНАНЬ З ДАНИХ ПРОДАЖУ ВИДАНЬ ТА ЇХ ЗАСТОСУВАННЯ У WEB-СИСТЕМІ
10.12.2021 22:29
[1. Information systems and technologies]
Author: Столяров О.В., студент 2 курсу магістратури, кафедра системотехніки, Харківський національний університет радіоелектроніки
Метою дослідження є аналіз існуючих методів вилучення знань з даних продажу видань, для подальшої обробки, з метою створення методу для рекомендації видань користувачам на основі їх вподобань, та застосування цього методу у web-системі.
Для вирішення задачі дослідження необхідно розробити наступну фунцію:
де rec – функція методу вилучення знань від п’яти змінних для визначення уподобань клієнта web-системи з продажу видань, яку необхідно розробити.
p – це інформація про усіх кліентів web-системи, що надається у вигляді множини. Кожен елемент множини P є кортежем, який містить атрибути рівнозначні даним профіля клієнта: ідентифікатор клієнта, логін, пароль, email, телефон, ім’я, фамілія, стать, дата народження.
O – це інформація про усі замовлення у web-системи, що надається у вигляді множини. Кожен елемент множини О є кортежем, який містить атрибути рівнозначні даним замовлень клієнта: ідентифікатор клієнта, ідентифікатор видання, кількість товару, дата оформлення замовлення, дата доставки замовлення, опис замовлення, статус, оцінка замовлення від 1 до 5.
K – це підмножина, що містить тільки замовлення клієнта для якого робиться рекомендація.
С – це інформація про усі видання у web-системі, доступних до продажу, що надається у вигляді множини. Кожен елемент множини С є кортежем, який містить данні про видання: ідентифікатор видання, жанр видання, опис видання, вартість видання, автор видання.
n – кількість видань, які мають бути оброблені (рекомендовані або не рекомендовані) для клієнта. p.
Y – множина, що є представленням знань для визначення уподобань клієнтів сервісу продажу книжок у вигляді продукційної моделі знань. Кожен елемент множини Y зберігає елементи, що містять список ознак книги та профілю клієнта (умова) та рішення (дія) щодо цієї моделі (рекомендувати або ні.
Для розробки такої функції ми можемо використовувати алгоритми колаборативної фільтрації. Існує два види такого алгоритму це фільтрація на основі користувачів та фільтрація на основі об’єктів. Принципова відмінність полягає у тому, що у першому алгоритмі ми спочатку підбираємо серед усіх клієнтів найбільш схожих до заданого(для якого ми знаходимо рекомендації) відповідно до їх оцінок, і на основі цього рекомендуємо товар заданому клієнту. У другому на основі об’єктів, ми вже зіставляємо товари які оцінив користувач з іншими товарами. Серед цих товарів вибираємо найбільш схожі(з точки зору оцінок) та робимо рекомендації користувачу.
Література:
1. Джонс М. Т. Принципы работы рекомендательных механизмов Интернета. [Електронний ресурс]. IBM developerWorks, 2014. URL: https://www.ibm.com/developerworks/ru/library/os-recommender1/.
2. Пономарев А. В. Обзор методов учета контекста в системах коллаборативной фильтрации // Труды СПИИРАН, 2013. № 7 (30), С. 169-188.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Another articles in this section
-
ЕЛЕКТРОННИЙ КНИЖКОВИЙ МАГАЗИН
30.11.2021 23:07 -
АВТОМАТИЗОВАНА СИСТЕМА УПРАВЛІННЯ ПІДПРИЄМСТВОМ З ВИРОБНИТВА МЕБЛІВ
30.11.2021 23:02 -
ПЛАГІН РОЗМІЩЕННЯ ВАКАНСІЙ
22.11.2021 21:25 -
РОЗРОБКА АВТОМАТИЗОВАНОЇ СИСТЕМИ УПРАВЛІННЯ ПРОЦЕСАМИ РЕЄСТРАЦІЇ МУЛЬТИМЕДІЙНОЇ ІНФОРМАЦІЇ
20.11.2021 19:54 -
ПРОБЛЕМАТИКА ВИТОКУ ДАНИХ ТА ІНСАЙДЕРСЬКИХ АТАК У ХМАРНИХ СХОВИЩАХ
19.11.2021 22:50
Сonferences
Conference 2024
Conference 2023
Conference 2022
Conference 2021
