| |
На современном этапе общественного развития рекомендательные системы являются неотъемлемым элементом, обеспечивающим взаимодействие между пользователем и производителем информации. Такие системы тесно связаны с общественной жизнью и используются для различных целей, среди которых электронная коммерция, социальные сети, приложения для мобильных телефонов. В условиях глобального развития искусственного интеллекта, основанного на глубоком обучении нейронных сетей, возникает объективная необходимость анализа возможностей использования нейронных сетей в рекомендательных системах.
Автор приходит к выводу о том, что, если сравнивать с традиционными моделями обучения рекомендательных систем, модели, в основу которых заложены нейронные сети и глубокое обучение, обеспечивают для рекомендательных систем гораздо большие возможности. Обусловлено это тем, что нейронные сети за счет возможностей глубокого анализа различных разрозненных данных, а также их способности обучаться на своих ошибках и совершенствоваться в процессе обучения, позволяют получать очень точные данные. Отсюда рекомендательные системы могут быть более адаптированы под потребности конкретного пользователя и позволят осуществлять подборку предпочтений даже в тех товарах, работах, услугах, которые ранее пользователь не заказывал или которыми не интересовался. Однако основной проблематикой в данной области является правильный выбор нейронной сети и технологии обучения, а также подбор набора данных, на которых будет осуществляться обучение соответствующей нейронной сети. Стихийный выбор нейронной сети для рекомендательной системы без учета вышеназванных параметров может привести к ошибкам при анализе данных нейронной сетью и ее дальнейшем обучении, и как следствие привести к неправильным рекомендациям для пользователей.
Ключевые слова:нейронные сети, рекомендательные системы, предпочтения пользователей, фильтрация информации, анализ данных, глубокое обучение.
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
