ДОПОВНЕННЯ ВХІДНИХ ДАНИХ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ В СИТУАЦІЇ ЦИКЛІЧНОГО ХОЛОДНОГО СТАРТУ З ВИКОРИСТАННЯМ ТЕМПОРАЛЬНИХ ОБМЕЖЕНЬ ТИПУ «NEXT»

  • S. Chalyi
  • V. Leshchynskyi
  • I. Leshchynska
Ключові слова: рекомендаційні системи, темпоральні обмеження, персоналізація рекомендацій, формування рекомендацій

Анотація

Предметом вивчення в статті є процеси формування рекомендованого списку товарів та послуг в ситуації циклічного холодного старту рекомендаційної системи. Така ситуація характеризується циклічною зміною інтересів користувачів, що потребує уточнення вхідних даних для побудови рекомендацій. Метою є розробка методу доповнення вхідних даних для побудови рекомендацій непостійним користувачам, що змінюють свої вимоги, з використанням темпоральних обмежень типу «Next». Завдання: виділити базові особливості темпоральних залежностей в рекомендаційних системах; розробити концепцію коригування вхідних даних у ситуації циклічного холодного старту; розробити метод доповнення вхідних даних на основі темпоральних обмежень типу «Next». Отримані наступні результати. Виконано структуризацію темпоральних залежностей з урахуванням особливості їх застосування в рекомендаційних системах. Показано, що для опису поведінки користувача в таких системах можна використовувати залежності типу «Next» між послідовним у часі вибором одного й того ж об’єкту, а також залежності типу «Future» з проміжним вибором інших товарів або послуг. Запропоновано концептуальний підхід до уточнення вхідних даних на основі темпоральних залежностей. В рамках представленого концептуального підходу запропоновано метод доповнення вхідних даних рекомендаційної системи на основі формування темпоральних обмежень типу «Next». Висновки. Наукова новизна отриманих результатів полягає в наступному. Запропоновано метод доповнення вхідних даних рекомендаційної системи в ситуації циклічного холодного старту з використанням темпоральних обмежень типу «Next». Метод містить етапи узагальнення вхідних даних, формування темпоральних обмежень типу «Next», а також доповнення вхідних даних згідно отриманих обмежень. Запропонований метод дозволяє підвищити ефективність побудови рекомендацій для непостійних користувачів на основі формування обмежень, що відображають обов’язкові зміни інтересів відомих користувачів.

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Василенко О. Н. Теоретико-числовые алгоритмы в криптографии. М.: МЦНМО, 2003. 328 с.
2. Ишмухаметов Ш. Т. Методы факторизации натуральных чисел. Казань : Казан. ун-т, 2011, 190 с.
3. Shor P. W. Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer // Foundations of Computer Science : Conference Publications. 1997. P.1484–1509.
4. Manikandan V, Porkodi V, Mohammed AS, Sivaram M, “Privacy Preserving Data Mining Using Threshold Based Fuzzy cmeans Clustering”, ICTACT Journal on Soft Computing, Volume 9, Issue 1, 2018, pp.1813-1816. DOI: 10.21917/ijsc.2018.0252
5. Porkodi V., Sivaram M., Mohammed A.S., Manikandan V. Survey on White-Box Attacks and Solutions. Asian Journal of Computer Science and Technology. Vol. 7, Is. 3. pp. 28–32.
6. Amin Salih Mohammed, Saravana Balaji B., Hiwa Abdulkarim Mawlood. Conceptual analysis of Iris Recognition Systems. Advanced Information Systems. 2019. Vol. 3, No. 2. Р. 86-90. DOI : https://doi.org/10.20998/2522-9052.2019.2.15
7. Saravanan S., Hailu M., Gouse G.M., Lavanya M., Vijaysai R. Optimized Secure Scan Flip Flop to Thwart Side Channel Attack in Crypto-Chip. International Conference on Advances of Science and Technology, ICAST 2018. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering. Vol 274. Springer, Cham. DOI: https://doi.org/10.1007/978-3-030-15357-1_34
8. Pevnev V. Pseudoprime Numbers: Basic Concepts And The Problem Of Security, 13th International Conference on Information and Communication Technology (ICT) in Education Research and Industrial Applications, 2017. Р. 583-593.
9. Solovay R., V. Strassen. A fast Monte-carlo test for primality. In: SIAM J. Comput., V. 6, 1977. Р.84-85.
10. Pevnev V. Investigation of the algorithm for the numbers primality determining Publication Year: 2018, P. 243 – 247
11. Певнев В. Я., Логвиненко Н.Ф., Шостак А.В. Алгоритм факторизации на основе решения квадратного неравенства Системи обробки інформації . 2001. №.3(13). С.13-16.
Опубліковано
2019-09-11
Як цитувати
Chalyi S. Доповнення вхідних даних рекомендаційної системи в ситуації циклічного холодного старту з використанням темпоральних обмежень типу «next» / S. Chalyi, V. Leshchynskyi, I. Leshchynska // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2019. – Т. 4 (56). – С. 105-109. – doi:https://doi.org/10.26906/SUNZ.2019.4.105.
Розділ
Інформаційні технології