Исследование функций отклика для рекомендаций в симулированной среде

Рекомендательные системы стали неотъемлемой частью онлайн-платформ, помогая пользователям ориентироваться в большом количестве доступной информации и опций. Однако создание и оценка этих систем является сложной задачей, поскольку требует понимания и моделирования сложного поведения пользователей. Симуляторы, моделирующие взаимодействие пользователей в рекомендательных системах, предоставляют универсальный и реалистичный метод оценки этих систем. Одним из ключевых компонентов таких симуляторов является функция реагирования, которая моделирует реакцию пользователей на рекомендации. В этом исследовании исследуется эффективность и значимость различных функций реагирования в симуляторах рекомендательных систем. Я представляю сравнение моделей машинного обучения для моделирования функций реагирования, которые учитывают особенности, связанные с товарами, пользователями и их взаимодействиями. Я оцениваю подходы, используя как классический классификационный подход, так и имитируемую среду, сравнивая их друг с другом и с исходными данными с точки зрения точности и прогностической способности. Это исследование вносит свой вклад в растущий объем работ по функциям реагирования в симуляторах рекомендательных систем, предлагая ценную информацию и направления для будущих исследований.