Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.31772/2712-8970-2025-26-4-466-477
Ключевые слова: intelligent recommendation system, collaborative filtering algorithm, Web front-end design, Big Data analysis, personalized service, интеллектуальная система рекомендаций, алгоритм совместной фильтрации, дизайн веб-интерфейса, анализ Больших Данных, персонализированный сервис
Аннотация: This study tackles keyword dependency and latency in book recommendations via a hybrid model fusing collaborative filtering with matrix factorization. The results were used to build an intelligent book recommendation system (recommendation center) with a web interface. Traditional library book recommendation systems rely primarily Показать полностьюon users actively searching for the titles they need. Their limitation lies in the large number of matching titles that appear when keywords are entered. In our study, to further improve recommendation accuracy, the recommendation system addresses the problem of professional cognitive limitations users face when making choices through similarity calculations. Furthermore, a user search module is added to the recommendation system to ensure accurate recommendations. When generating a recommendation item for a user, the recommendation system first searches related sentences, then calculates the similarity between the target user and the related user and uses the similarity value as a weight. Finally, based on the previously calculated similarity value, it performs a weighted average of the differences between all ratings. A time-decay clustering algorithm (λ = 0.85) using multi-source data achieves 41 % increase in user similarity and 35 % in new book discovery for a user. The tests demonstrate 27 % increase in accuracy with 3300 concurrent requests (5s/300ms response). В этом исследовании рассматривается зависимость ключевых слов и задержка в рекомендациях книг с помощью гибридной модели, объединяющей совместную фильтрацию с матричной факторизацией. Результаты использованы для построения интеллектуальной системы рекомендаций книг (центра рекомендаций) с веб-интерфейсом. Традиционные библиотечные рекомендательные системы в основном полагаются на активный поиск пользователями названий произведений. Их ограниченность заключается в том, что при вводе ключевых слов возникает большое количество подходящих названий. Когда читатели указывают свои предпочтения в чтении, система может формировать рекомендации на основе этих пожеланий, сочетая их с существующей классификацией книг и предыдущими читательскими предпочтениями пользователя. В нашем исследовании для дальнейшего повышения точности рекомендаций система рекомендаций посредством вычисления схожести решает проблему профессиональных когнитивных ограничений, с которыми сталкиваются пользователи при выборе. Кроме того, в систему рекомендаций добавляется модуль поиска пользователей для обеспечения точных рекомендаций. При формировании рекомендательного элемента для пользователя система рекомендаций сначала выполняет поиск в смежных предложениях, затем вычисляет схожесть между целевым пользователем и смежным пользователем и использует значение схожести в качестве веса и, наконец, на основе ранее рассчитанного значения схожести выполняет взвешенное усреднение различий всех оценок. Алгоритм кластеризации с временным затуханием (λ = 0,85) с использованием данных из нескольких источников достигает увеличения на 41 % сходства пользователей, на 35 % увеличивается обнаружение новых книг, заинтересовавших пользователя. Тестирование демонстрирует увеличение точности на 27 % при 3300 одновременных запросах (отклик 5 с/300 мс).
Журнал: Сибирский аэрокосмический журнал
Выпуск журнала: Т. 26, № 4
Номера страниц: 466-477
ISSN журнала: 27128970
Место издания: Красноярск
Издатель: Сибирский государственный университет науки и технологий им. акад. М.Ф. Решетнева