УДК 004.415.25
ПОСТРОЕНИЕ ИНФОРМАЦИОННОЙ СИСТЕМЫ С ВЫБОРОМ ИСПОЛЬЗУЕМОЙ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ НА ОСНОВЕ ПОЛЬЗОВАТЕЛЬСКИХ ПРЕДПОЧТЕНИЙ
Аннотация
Рассматривается подход к проектированию информационных систем, использующих несколько подсистем рекомендаций для определения наиболее релевантной информации.
Ключевые слова: рекомендательные системы, информационные системы, релевантные результаты
Введение
В настоящее время современные информационные системы редко обходятся без вспомогательных подсистем, в частности подсистем рекомендаций пользователям. Такие подсистемы работают на основе многих факторов и потоков информации, получаемых из основных информационных систем. К подобного рода информации можно отнести пользовательские запросы, частоту просмотра тех или иных объектов в основной системе, геолокацию пользователя и тип его устройства, частоту и время входа пользователя в систему [1-3].
Основной целью подобных подсистем является предоставление релевантного контента, формирование позитивного пользовательского опыта [4] от использования подобных систем и, зачастую, максимизация прибыли (достаточно вспомнить распространенные онлайн площадки, где вместе с основным приобретаемым товаром рекомендательные системы формируют дополнительные наборы товаров, которые могут заинтересовать конечного покупателя) [1]. Как правило, для этого используется построение рекомендательных моделей и их дальнейшее обучение с использованием методов машинного обучения на потоках пользовательских данных. С другой стороны, полное использование потоков данных и информации выше не всегда может положительно сказаться на релевантности информации.
По мере своего развития такие подсистемы постоянно улучшаются и стараются предоставлять все более подходящие для пользователя результаты. Однако вместе с улучшениями возникает потребность в определении того, насколько улучшения со стороны разработчиков реально повышают пользовательский опыт.
Таким образом, определение того, насколько обновленные модели формируют более релевантные для пользователя результаты, является одной из актуальных задач на сегодняшний день.
В качестве отправной точки возьмем уже разработанную информационную систему, представленную на рисунке 1.
Пользователь взаимодействует с основной системой посредством клиента-браузера, отправляющего HTTP(s) запросы. Когда основная система нуждается в данных для рекомендаций, она формирует соответствующий запрос в подсистему рекомендаций, которая возвращает рекомендации пользователю. По мере улучшения моделей рекомендательной системы требуется проверить гипотезу о том, что новая модель показывает лучшие результаты в формировании рекомендательной выборки, чем предыдущая. С этой целью часть пользовательских запросов (обычно 10–15%) направляется на новую подсистему.
Для этого формируются группы пользователей, подвергшихся тестированию, и все запросы на рекомендательную выборку перенаправляются в тестовую подсистему. Для этого модифицируется информационная система.
Как видно из рисунка, в зависимости от того, в какой группе представлен пользователь (основная или тестовая), запросы попадают либо в основную, либо в тестовую рекомендательную подсистему. В результате формируются несколько рекомендательных выборок для одних и тех же объектов, но разных пользователей.
Следующим этапом является аналитика полученных данных с целью выбора оптимальной подсистемы. Для этого анализируется частота взаимодействия с элементами рекомендательной выборки. Другими словами, как часто тестовые пользователи взаимодействуют с элементами новой выборки по сравнению с пользователями старой подсистемы. Собирается статистика по одним и тем же опорным объектам основной системы, для которых формируются выборки. Данные из системы аналитики позволяют сделать вывод о том, справилась ли новая подсистема рекомендаций с улучшением выдачи.
В зависимости от исхода возможны сценарии: увеличение тестовой выборки до 50% с последующим замещением основной подсистемы в случае положительной динамики, либо внесение изменений в тестируемую систему с предварительным уменьшением доли тестовых пользователей до 0%.
Таким образом, определение того, насколько эффективно рекомендательная система предоставляет релевантные результаты, равно как и проверка, что улучшенная система не хуже текущей, является одной из важных задач на сегодняшний день.
Список источников
- Джонс М.Т. Принципы работы рекомендательных механизмов Интернета. [Электронный ресурс]
- Пономарев А.В. Обзор методов учета контекста в системах коллаборативной фильтрации // Труды СПИИРАН, 2013. №7 (30), с. 169
- Михайловский Н. Анатомия рекомендательных сервисов. [Электронный ресурс]
- Меньшикова Н.В., Портнов И.В., Николаев И.Е. Обзор рекомендательных систем и возможностей учета контекста при формировании индивидуальных рекомендаций.