Метод об’єднання оцінок для рекомендаційних систем на основі колаборативної фільтрації

Abstract

Забезпечення точних рекомендацій має важливе значення для систем електронної комерції, щоб допомогти користувачам у прийнятті ефективних рішень вибору з множини варіантів. Колаборативна фільтрація є широко вживаним методом для генерації рекомендацій, основаних на оцінках користувачів, що мають спільні вподобання. Тим не менш, вона страждає від декількох притаманних їй проблем, як розрідженість даних і холодний старт. Для вирішення цих проблем був запропонований новий метод об’єднання оцінок, що включає інформацію соціальної довіри (тобто, довірених сусідів явно чи неявно зазначеної користувачами) у наданні рекомендації.

Providing high quality recommendations is important for e-commerce systems to assist users in making effective selection decisions from a plethora of choices. Collaborative filtering is a widely accepted technique to generate recommendations based on the ratings of like-minded users. However, it suffers from several inherent issues such as data sparsity and cold start. To address these problems, a novel method called “Merge ratings” was proposed to incorporate social trust information (i.e., trusted neighbors explicitly or implicitly specified by users) in providing recommendations.