<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Експерементальне дослідження гібридного методу формування рекомендаційної системи

Ескіз

Файли

12026.pdf (2,96 MB)

Дата

2021

Автори



Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Альтернативна назва

Анотація

У даній роботі проведено експериментальне дослідження роботи комбінації нейронных мереж та матричної факторизації для створення, рекомендаційної системи.
In this work has been conducted an experimental research for combination neural networks with matrix factorization for creating recommender system.

Опис

Ключові слова

машинне навчання , глибоке навчання , нейронні мережі , матрична факторизація , рекомендаційні системи , machine learning , deep learning , neural networks , matrix factorization , recommender systems

УДК

519.6+ 004.942

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали L науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р.

ISSN

Посилання на публікацію

https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2021/paper/view/12026

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Півошенко В. В. Експерементальне дослідження гібридного методу формування рекомендаційної системи [Електронний ресурс] / В. В. Півошенко, Ю. Ю. Іванов, С. Г. Кривогубченко // Матеріали L науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2021/paper/view/12026.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/39592

Зібрання

НТКП ВНТУ. Факультет комп'ютерних систем і автоматики (2021)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. Alhijawi В., Kilani Y. A Collaborative Filtering Reeommender System Using Genetic Algorithm // Information Processing & Management. 2020. T. 57, № 6. C. 21.
  2. Jakomin М., Bosnic Z., Curk T. Simultaneous Incremental Matrix Factorization for Streaming Reeommender Systems // Expert Systems with Applications. 2020. T. 160. № 2. 29 p.
  3. Loshchilov I., Schoenauer М., Sebag M. Comparison-Based Optimizers Need Comparison-Based Surrogates // Parallel Problem Solving from Nature, PPSN XI. 2010. P. 364-373.
  4. McCullagh P. Regression Models for Ordinal Data // Journal of the Royal Statistical Society. 1980. T. 42. P. 109-142.
  5. Salakhutdinov R., Mnih D. Restricted Boltzmann Machines For Collaborative Filtering // 24th International Conference on Machine Learning (ICML’07). 2007. P. 791-798.