Методика «наивного» Байесовского классификатора для задачи совместной фильтрации в системах рекомендации

Наряду с традиционными гипермедиа изданиями, интегрированными в Интернет, появляется новый класс адаптивных систем рекомендаций, которые используют информационное наполнение гипертекстовых документов и модель пользователя с целью персонализации содержимого и оптимизации навигационной структуры исходной гипермедиа системы (ГС). Наиболее значимой навигационной проблемой, возникающей в процессе использования ГС конечным пользователем, является выбор релевантных документов из всего множества доступных гипермедиа страниц. Группировка коррелированной информации на основе данных о прошлых взаимодействиях пользователей с ГС может быть успешно осуществлена с помощью методов совместной фильтрации. В данной статье мы описываем методику «наивного» Байесовского классификатора применительно к адаптивным гипермедиа системам, обеспечивающую эффективные рекомендации и учитывающую особенности предметной области.