Застосування активного навчання в ситуації циклічного холодного старту рекомендаційної системи

Abstract

Досліджено проблему побудови рекомендацій для систем електронної комерції в умовах циклічного холодного старту. Дана проблема виникає при постійній зміні інтересів користувачів протягом строку використання рекомендаційної підсистеми. Існуючі підходи до формування рекомендацій в умовах холодного старту засновані на поступовому накопиченні інформації про споживача і тому не забезпечують релевантних рекомендацій у випадку циклічних змін у їх діяльності та інтересах. Для вирішення цієї проблеми пропонується враховувати аспект зміни інтересів користувачів щодо товарів та послуг в часі. Мета даної роботи полягає в уточнення принципів активного навчання для побудови рекомендацій в умовах зміни інтересів споживачів з тим, щоб забезпечити поетапне уточнення персональних рекомендацій «холодним» споживачам. Отримані результати містять у собі деталізовану задачу формування рекомендацій, та уточнені принципи активного навчання. Виділено ключову особливість циклічного холодного старту в рекомендаційній системі, що полягає в обмеженості періоду, протягом якого може бути доповнена та уточнена інформація про клієнта системи електронної комерції. Зазначена особливість обумовлює потребу у врахуванні аспекту часу при формуванні рекомендацій щодо вибору товарів та послуг. Сформульовано задачу формування рекомендацій в умовах циклічного холодного старту як задачу ітеративного доповнення та уточнення даних нового «холодного» користувача патернами найбільш розповсюджених циклів поведінки споживачів з подальшим використанням колаборативної фільтрації уточнених даних для формування рекомендацій. Доповнено принципи застосування активного навчання для умов циклічного холодного старту на основі використання типових послідовностей дій користувача у часі. Вказані принципи дозволяють коригувати вхідні дані для «холодного» користувача за допомогою евристичної стратегії, що враховує зміни у патернах поведінки споживачів. Патерни поведінки відображають циклічні зміни інтересу споживачів щодо товарів та послуг, що пропонує система електронної комерції.

The problem of constructing recommendations for electronic commerce systems under conditions of cyclic cold start is investigated. This problem occurs with the constant change of user interests over the period of use of the reference subsystem. Existing approaches to forming recommendations in a cold start are based on the gradual accumulation of consumer information and therefore do not provide relevant recommendations in the event of cyclical changes in their activities and interests. To address this problem, it is proposed to take into account the aspect of changing user interests in relation to goods and services in time. The purpose of this work is to clarify the principles of active training to build recommendations in the changing consumer interests in order to provide a step-by-step refinement of personal recommendations to "cold" consumers. The obtained results contain a detailed task of forming recommendations, and the principles of active training are specified. The key feature of the cyclic cold start in the reference system is distinguished, which is the limited period during which the information about the customer of the electronic commerce system can be supplemented and refined. This feature makes it necessary to take into account the aspect of time when forming recommendations on the choice of goods and services. The problem of forming recommendations in the conditions of cyclic cold start is formulated as a task of iterative addition and refinement of the data of the new "cold" user by the patterns of the most common cycles of consumer behavior followed by the use of collaborative filtering of the refined data for the formulation of recommendations. The principles of active training for cyclic cold start conditions based on the use of typical sequence sequences of the user in time are supp emented. These principles allow you to adjust the input data for a "cold" user using a heuristic strategy that takes into account changes in patterns of consumer behavior. The patterns of behavior reflect cyclical changes in consumers' interest in the products and services offered by the e-commerce system