ЭРГОНОМИЧЕСКИЙ АНАЛИЗ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ МЕТОДА КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ

Горячкин Борис Сергеевич, Семенов Илья Александрович

Постановка проблемы. Современные рекомендательные системы играют ключевую роль в персонализации пользовательского опыта. Однако одной из основных проблем является выбор и оценка методов, которые обеспечивают высокую точность рекомендаций, быструю обработку запросов и высокую производительность в условиях масштабируемости. Цель. Провести теоретический и практический анализ работы рекомендательной системы, основанной на методе Collaborative Filtering, для определения эффективности по ключевым метрикам: точности, производительности и времени генерации запросов. Результаты. Выполнен анализ данных из набора MovieLens с учётом 25% случайной выборки оценок и фильмов. Рассчитаны теоретические показатели точности, производительности и времени генерации запросов. Практическая реализация позволила оценить отклонения от теоретических значений и выявить факторы, влияющие на производительность системы. Полученные результаты демонстрируют, что Collaborative Filtering обеспечивает высокую точность, адекватное время генерации запросов и приемлемую производительность. Практическая значимость. Разработанные подходы и выполненные расчёты могут быть использованы для дальнейшей оптимизации рекомендательных систем, повышения их масштабируемости и точности. Это особенно важно для платформ, работающих с большими объёмами данных и ориентированных на улучшение пользовательского опыта.

Ключевые слова:Рекомендательные системы, Collaborative Filtering, точность, производительность, время генерации запросов