Ученые факультета вычислительной математики и кибернетики Московского государственного университета имени М.В. Ломоносова (
ВМК МГУ) объединили сильные стороны существующих рекомендательных систем подбора музыки и представили собственную, гибридную. «Существуют некоторые требования к рекомендательным системам: они должны уметь адаптироваться под конкретного пользователя, учитывать именно его предпочтения; использовать информацию о текущих предпочтениях пользователя, чтобы со временем не терять актуальности; постоянно находить новую информацию, новые возможные объекты интереса пользователя и предлагать их ему», — рассказала доцент кафедры алгоритмических языков факультета
ВМК МГУ Ирина Полякова.
В системе фильтрации нежелательная информация удаляется с использованием компьютеризированных методов до представления пользователям. Таким образом, рекомендательная система должна фильтровать информацию, чтобы находить более релевантные элементы. Демографическая фильтрация, фильтрация на основе контента, совместная фильтрация и гибридные методы являются основными четырьмя методами рекомендательных систем. Среди них коллаборативная фильтрация и методы, сочетающиеся с ней, являются наиболее популярными, поскольку они основаны на оценках пользователей.
Контентная фильтрация основана на содержании элементов, которые понравились пользователям в прошлом. С другой стороны, при демографической фильтрации рекомендательная система наблюдает за общими атрибутами пользователей (пол, возраст, местоположение): люди с некоторыми специфическими общими качествами могут иметь одинаковые интересы. Результаты работы были представлены на всероссийской научной конференции «Ломоносовские чтения-2022».
ВМК МГУ
