Разработка программного модуля рекомендательной системы и исследование точности его работы в зависимости от использованных формальных методов

Быстрый рост доступности данных затрудняет пользователям эффективный поиск и фильтрацию необходимой информации. В качестве решения этой проблемы в последние годы активно развивается технология рекомендательных систем, с помощью которых можно предлагать пользователями персонализированные и релевантные рекомендации. За последние несколько лет большинство новых рекомендательных моделей, изобретенных исследователями и сотрудниками крупных IT-кампаний, основаны на глубинном обучении. Такие модели стали очень популярными, так как они позволяют улавливать более сложные, нелинейные взаимодействия между пользователем и элементом, что в свою очередь ведет к повышению точности рекомендаций. Целью данной работы является реализация различных рекомендательных моделей и сравнение их эффективности и точности предлагаемых рекомендаций. Особое внимание в данной работе уделяется оценке и сравнению современных рекомендательных моделей, основанных на глубинном обучении. В результате выполнения работы были реализованы традиционная модель, несколько различных моделей, основанных на глубинном обучении с использованием языка программирования Python. Также были проведены эксперименты, в результате которых были получены оценки этих моделей по разным метрикам. Затем было проведено сравнение моделей, в результате которого была выявлена наиболее эффективная модель из рассматриваемых. Также было проведено тестирование моделей, которое заключается в предоставление рекомендаций тестовому пользователю. Полученные в работе результаты и программная реализация моделей и экспериментов могут быть использованы в будущем при проведении исследований точности новых моделей и их сравнении с более ранними моделями. Объем работы составляет 46 страниц. В работе приведены 21 рисунок и 8 таблиц.