Online ajánló algoritmusok

OData támogatás
Konzulens:
Dr. Pach Péter Pál
Számítástudományi és Információelméleti Tanszék

Az ajánló rendszerek használata széleskörben elterjedt a felhasználó orientált alkalmazások esetén.

Ezen rendszerek feladata, hogy segítsék a felhasználóknak megtalálni az ízlésüknek megfelelő filmet, zenét vagy egyéb termékeket.

Az ajánláshoz használt algoritmusok feldolgozzák a felhasználók hisztorikus adatait, információt az ajánlandó termékről és más hasonló felhasználók kapcsolatait a termékkel.

A kontextust felhasználó ajánlórendszerek nem csak a felhasználók és a termékek interakcióit, de az esemény létrejöttének körülményeit is figyelembe veszik az ajánlás során.

Dolgozatom fő célja az irodalomban ismertetett ajánlórenszerek továbbfejlesztése oly módon, hogy a felhasználók és a termékek közötti interakciók mellett az ajánlás körülményeit is figyelembe veszi az ajánló algoritmus.

Eredményeimet a [Pálovics, Szalai, Kocsis, Pap, Frigó, Benczúr 2015] cikk alapján, de azt egyéb kísérletekkel és modellekkel kiegészítve közlöm.

Ajánló algoritmusaink meghatározó eleme a felhasználók pozícójának felhasználása az ajánláshoz.

Az általunk bemutatott hely alapú modellek felhasználják a felhasználok GPS koordinátáit, míg az attribútum alapú modelljeink a termékek meta tulajdonságait használja.

Modelljeink tesztelésére egy publikusan elérhető egyéves idő tartamot tartalmazó Last.fm adatot és egy 1 éves Twitterről gyűjtött adathalmazt használtunk.

Nem csak teszteltük, de más publikált modellekkel is összehasonlítottuk az ajánló algoritmusaink teljesítményét.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.