Формирование рецептурной продуктовой корзины на основе алгоритмов машинного обучения

В условиях постоянно растущего ассортимента товаров и услуг потребители сталкиваются с проблемой выбора, что требует от ритейлеров не только предоставления качественных продуктов, но и создания персонализированных предложений для улучшения клиентского опыта. Основной целью данной магистерской работы является разработка рекомендательной системы, способной точно предлагать пользователям товары к покупке и помогать в составлении продуктовых корзин. В ходе исследования были поставлены задачи анализа существующих методов рекомендательных систем и разработки модели, использующей современные алгоритмы машинного обучения. Были рассмотрены такие методы, как коллаборативная фильтрация, контентная фильтрация, гибридные методы, глубокое обучение, машины факторизации, а также алгоритмы ассоциативного анализа. На основе проведенного анализа была разработана модель, которая использует данные о покупках клиентов и характеристики товаров для формирования рекомендаций. Эмпирическая база работы включала реальные данные одного из крупнейших продуктовых магазинов страны. Реализация системы включала разработку телеграм-бота для взаимодействия с пользователями и оценку эффективности системы с использованием различных метрик рекомендательных систем. Основные результаты исследования показали, что использование современных алгоритмов машинного обучения позволяет получить персонализированные рекомендаций высокого качества.