УДК 004.8
ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ПРИ СОЗДАНИИ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ
Аннотация
В век информационных технологий вокруг нас всё больше данных, из которых нашему мозгу приходится находить лишь то, что нам действительно нужно. Это задача довольно сложная, ведь иногда мы сами не знаем, чего хотим. К примеру, нам нравится какой-либо исполнитель музыки, но со временем он начнёт надоедать из-за однообразности, и тогда мы хотим найти что-то похожее на него. Здесь нам и приходят на помощь рекомендательные системы.
Ключевые слова: информационные технологии, машинное обучение, искусственный интеллект, рекомендательная система
Введение
Для начала изучим определение рекомендательной системы. Обычно под ней подразумевают программный алгоритм, который на основе предпочтений пользователя может рекомендовать ему наиболее интересные объекты. Возможно многим знакома платформа «Instagram – социальная сеть для обмена фотографиями и видео», и на ней есть раздел «рекомендации», где пользователю рекомендуются публикации, наиболее подходящие для него. Например, если вы будете смотреть картинки с котиками, то в рекомендациях часто будут попадаться различные животные; если ведёте блог о еде, то в рекомендациях будут рецепты и кулинария. Это работает благодаря рекомендательной системе.
Рекомендательные системы полезны как пользователю, так и платформе: пользователь находит интересующее, а платформа удерживает внимание и может показать больше рекламы, увеличивая доход и популярность. Качественная рекомендательная система – крайне полезный инструмент в век информационных технологий.
Итак, создадим рекомендательную систему, которая предложит пользователю музыкальных исполнителей, наиболее интересных ему. В этом поможет машинное обучение, активно проникающее в различные сферы жизни.
Материалы и методы
Имеется набор данных с пользователями (user_id), исполнителями (artist_id, artist_name) и количеством прослушиваний (scrobbles) (рисунок 1).
На основе этой таблицы построим матрицу предпочтений: столбцы – исполнители, строки – пользователи, элементы – количество прослушиваний. Пример тестовой матрицы приведён на рисунке 2.
Для поиска похожих пользователей применяется алгоритм ближайших соседей [1]. Он основан на том, что более похожие сущности располагаются ближе друг к другу. В итоге система ищет пользователей с похожими предпочтениями и рекомендует то, что уже пробовали они [4]. На рисунке 3 показан принцип работы на примере двух пользователей.
Далее для наглядности выбираем одного пользователя случайно и восемь пользователей, похожих на него. У этих пользователей может быть большое количество исполнителей, поэтому рекомендуется выбрать лишь десять самых прослушиваемых исполнителей (рисунок 4).
Таким образом, получена тестовая рекомендательная система, которая на основе прослушанных ранее исполнителей рекомендует десять наиболее подходящих.
Вывод
В статье приведён пример работы рекомендательной системы. При её создании необходимо учитывать, что именно она будет рекомендовать и для какой аудитории. В зависимости от этих параметров разработка может сильно меняться. Существует множество подходов, методов и инструментов, которые дают хороший результат при правильном использовании.
Пользователям следует помнить, что, несмотря на полезность, рекомендательные системы часто используют для удержания на платформе как можно дольше. Важно ориентироваться на реальные потребности, а не тратить чрезмерное количество времени.
Список использованных источников
- sklearn.neighbors.NearestNeighbors. — Текст: электронный // scikit-learn: Machine Learning in Python: [сайт]. — URL: https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.NearestNeighbors.html (дата обращения: 22.12.2021)
- Машинное обучение: рекомендательные системы. — Текст: электронный // vc.ru: [сайт]. — URL: https://vc.ru/ml/132779-mashinnoe-obuchenie-rekomendatelnye-sistemy (дата обращения: 22.12.2021)
- Что такое и как работают рекомендательные системы. — Текст: электронный // skillbox: [сайт]. — URL: https://skillbox.ru/media/code/chto_takoe_rekomendatelnye_sistemy_i_kak_oni_rabotayut/ (дата обращения: 22.12.2021)
- Рекомендательная система. — Текст: электронный // Курсы машинного обучения Дмитрия Макарова: [сайт]. — URL: https://www.dmitrymakarov.ru/intro/recommender17/ (дата обращения: 22.12.2021)