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

Інкрементальний алгоритм оновлення векторного профілю користувача в системі рекомендацій кінематографічного контенту

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Розглянуто задачу ефективного підтримання векторного профілю користувача в системі рекомендацій кінематографічного контенту в актуальному стані. Запропоновано інкрементальний алгоритм оновлення профілю, що зводить часову складність обробки нової оцінки з O(n·d) при повному перерахунку до сталої O(d), де n – кількість попередньо врахованих оцінок, d – розмірність простору ознак. Алгоритм базується на зберіганні поточного вектора профілю та лічильника оцінок без повторного звернення до історії взаємодій.
The problem of efficient maintenance of a user vector profile in a movie recommender system is considered. An incremental profile update algorithm is proposed, reducing the time complexity of processing a new rating from O(n·d) for full recomputation to constant O(d), where n is the number of previously accounted ratings and d is the feature space dimension. The algorithm stores the current profile vector and a rating counter without revisiting the interaction history.

Опис

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Яценко В. В., Павлюк О. А. Інкрементальний алгоритм оновлення векторного профілю користувача в системі рекомендацій кінематографічного контенту // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29577.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. Ricci F. Recommender Systems Handbook / F. Ricci, L. Rokach, B. Shapira. – 3rd ed. – Springer, 2022. – 1210 p.
  2. Cami B. R. User profile modeling for recommender systems based on dynamic distributions / B. R. Cami, H. Hassanpour, H. Mashayekhi. – 2018.
  3. Газнозій Д. Ю. Дослідження типів колаборативної фільтрації для побудови прогнозів у рекомендаційних системах: кваліфікаційна робота магістра / Д. Ю. Газнозій. – Харків: ХНУРЕ, 2022.
  4. Felfernig A. Group Recommender Systems: An Introduction / A. Felfernig, L. Boratto, M. Stettinger, M. Tkali. – Cham: Springer, 2018. – 91 p.
  5. The Movie Database (TMDB). API Documentation. – URL: https://developer.themoviedb.org/docs 6.