Разработка рекомендательной модели поддержки принятия решения при выборе продуктов пользователем

Обложка

Цитировать

Полный текст

Аннотация

Рекомендательные системы используются для прогнозирования предпочтений пользователей в отношении определенного продукта или услуги, а также для рекомендации пользователю подходящих продуктов или услуг. Многие методы, используемые в интеллектуальном анализе данных, связанные с классификацией или построением ассоциативных правил, применяются в рекомендательных системах. Предлагается новая рекомендательная модель, сочетающая ассоциативные правила и меры индекса статистической импликации. В предлагаемой модели меры поддержки и достоверности используются для создания ассоциативных правил, а мера индекса статистической импликации используется для фильтрации набора правил и ранжирования рекомендаций. Предложенные модель и алгоритмы использованы для построения рекомендательного результата по известному набору данных.

Об авторах

Ирина Юрьевна Квятковская

Астраханский государственный технический университет

Email: i.kvyatkovskaya@astu.org
Астрахань

Во Тхи Хуен Чанг Trang

Астраханский государственный технический университет

Email: vthtrang@mail.ru
Астрахань

Чан Куок Тоан

Астраханский государственный технический университет

Email: hoaivan219@mail.ru
Астрахань

Список литературы

  1. БРАХА Ш., ЛИОР Р. Создание эффективных рекомен-дательных систем // ISBN978-1-4419-0047-0 –2012 г. Архивировано из оригинала 01.05.2014.
  2. БХАСКЕР Б.; СРИКУМАР К. Рекомендательные систе-мы в электронной коммерции // ЧАШКА. – ISBN978-0-07-068067-8. Архивировано из оригинала 01.09.2010.
  3. ФРАНЧЕСКО Р., ЛИОР Р., БРАХА Ш., КАНТОР П.Б. Справочник рекомендательных систем. – Springer. ISBN978-0-387-85819-7 – 2011.
  4. ШИТИКОВ В.К., МАСТИЦКИЙ С.Э. Классификация, регрессия, алгоритмы Data Mining с использованием R. – 2017. – Электронная книга. – URL: https://github.com/ranalytics/data-mining.
  5. ШУРШЕВ В.Ф., БУЙ Л.В. Методика выбора сканирую-щих приемников и трансиверов по основным характе-ристикам // Вестник Астраханского государственного технического университета. Серия: Управление, вычис-лительная техника и информатика. – 2013. – №2. – С. 45–51.
  6. ШУРШЕВ В.Ф., КОЧКИН Г.А., КОЧКИНА В.Р. Модель системы поддержки принятия решений на основе рас-суждений по прецедентам // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. – 2013. – №2. – С. 175–183.
  7. BREESE J.S, HECKERMAN D., KADIE C.M. Anonymous web data from www.microsoft.com // Microsoft Research, Redmond WA, 98052-6399, USA, 1998. – URL: https://kdd.ics.uci.edu/databases/msweb/msweb.html.
  8. GRAS R. Contribution à l’étude expérimentale et à l’analyse de certaines acquisitions cognitives et de certains objectifs en didactique des mathématiques. – PhD thesis, Université de Rennes 1, 1979.
  9. GRAS R., KUNTZ P. An overview of the Statistical Implica-tive Analysis (SIA) development // Statistical Implicative Analysis - Studies in Computational Intelligence, Springer-Verlag. – 2008. – P. 11–40.
  10. GRAS R., KUNTZ P., GREFFARD N. Notion of Implicative Fields in Statistical Implicative Analysis // VIII Int. Conf. A.S.I. Analyse Statistique Implicative - Statistical Implicative Analysis Radès (Tunisie), Novembre, 2015. – P. 29–46.
  11. HAHSLER М. «recommenderlab: A Framework for Devel-oping and Testing Recommendation Algorithms» // The In-telligent Data Analysis Lab at SMU. – 2011. – URL: http://lyle.smu.edu/IDA/recommenderlab/.
  12. HIKMAWATI E., MAULIDEVI N.U., SURENDRO K. Min-imum threshold determination method based on dataset characteristics in association rule mining // J Big Data. – 2021. – Vol. 8. – P. 146. DOI: https://doi.org/10.1186/s40537-021-00538-3.
  13. KVYATKOVSKAYA I.Y., SHURSHEV V.F., FREN-KEL M.B. Methodology of a support of making manage-ment decisions for poorly structured problems // Communi-cations in Computer and Information Science. – 2015. – Vol. 535. – P. 278–291.
  14. https://archive.ics.uci.edu/ml/datasets/lenses – набор дан-ных Lenses (Lenses Data Set).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).