Журнал «Современная Наука»

ГИБРИДНЫЕ АЛГОРИТМЫ КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ ДЛЯ РЕКОМЕНДАЦИИ ТОВАРНЫХ ГРУПП НА ОСНОВЕ НЕОДНОРОДНЫХ ПОЛЬЗОВАТЕЛЬСКИХ ДАННЫХ

Вербова Мария Андреевна (Московский политехнический университет, )

Подольный Владимир Александрович (Московский политехнический университет)

Суворов Станислав Вадимович (к.э.н., профессор, Московский политехнический университет)

В условиях стремительного роста электронной торговли способность удерживать внимание пользователя и предоставлять релевантный персонализированный контент становится важным фактором успеха. Целью данной работы является разработка и экспериментальная валидация гибридного алгоритма рекомендательной системы для маркетплейса, решающего проблемы неполной истории взаимодействий и разрозненных метаданных. Предлагаемое решение комбинирует два классических подхода: коллаборативную фильтрацию на основе матричных разложений (Alternating Least Squares) для выявления скрытых паттернов в неявных взаимодействиях и модифицированный метод рекомендаций на основе популярности, учитывающий индивидуальную историю пользователя.

Ключевые слова:рекомендательные системы, гибридный алгоритм, коллаборативная фильтрация, Alternating Least Squares.

Читать полный текст статьи …

Ссылка для цитирования:
Вербова М. А., Подольный В. А., Суворов С. В. ГИБРИДНЫЕ АЛГОРИТМЫ КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ ДЛЯ РЕКОМЕНДАЦИИ ТОВАРНЫХ ГРУПП НА ОСНОВЕ НЕОДНОРОДНЫХ ПОЛЬЗОВАТЕЛЬСКИХ ДАННЫХ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2026. -№01. -С. 64-69 DOI 10.37882/2223-2966.2026.01.11

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"