Разработка и исследование алгоритмов определения предпочитаемых пользователем остановок общественного транспорта в геоинформационной системе на основе методов машинного обучения
Автор: Бородинов Александр Александрович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 4 т.44, 2020 года.
Бесплатный доступ
В работе рассматривается задача определения предпочитаемых пользователем остановок в рекомендательной транспортной системе. Проведено сравнение эффективности использования различных методов машинного обучения для решения указанной задачи в системе персонализированных рекомендаций: метода опорных векторов, дерева решений, случайного леса, AdaBoost, алгоритма k-ближайших соседей, многослойного персептрона. Сравнение указанных традиционных методов машинного обучения производилось также с предложенным методом, разработанным на основе алгоритма вычисления оценок. Экспериментальные исследования использовали реальные данные мобильного приложения «Прибывалка-63», являющегося частью сервиса tosamara.ru. Подтверждена как работоспособность, так и эффективность предложенного метода.
Рекомендательная система, машинное обучение, пользовательские предпочтения
Короткий адрес: https://sciup.org/140250033
IDR: 140250033 | DOI: 10.18287/2412-6179-CO-713
Список литературы Разработка и исследование алгоритмов определения предпочитаемых пользователем остановок общественного транспорта в геоинформационной системе на основе методов машинного обучения
- Campigotto, P. Personalized and situation-aware multimodal route recommendations: The FAVOUR algorithm / P. Campigotto, C. Rudloff, M. Leodolter, D. Bauer // IEEE Transactions on Intelligent Transportation Systems. - 2017. - Vol. 18, Issue 1. - P. 92-102. - DOI: 10.1109/TITS.2016.2565643
- Агафонов, А.А. Исследование численного метода резервирования маршрутов в геоинформационной задаче маршрутизации автономных транспортных средств / А.А. Агафонов, В.В. Мясников // Компьютерная оптика. - 2018. - Т. 42, № 5. - С. 912-920. - DOI: 10.18287/2412-6179-2018-42-5-912-920
- Агафонов, А.А. Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей / А.А. Агафонов, А.С. Юмаганов, В.В. Мясников // Компьютерная оптика. - 2018. - Т. 42, № 6. - С. 1101-1111. - DOI: 10.18287/2412-6179-2018-42-6-1101-1111
- Portugal, I. The use of machine learning algorithms in recommender systems: A systematic review / I. Portugal, P. Alencar, D. Cowan // Expert Systems with Applications. - 2018. - Vol. 97. - P. 205-227. - DOI: 10.1016/j.eswa.2017.12.020
- Li, X. A multi-dimensional context-aware recommendation approach based on improved random forest algorithm / X. Li, Z. Wang, L. Wang, R. Hu, Q. Zhu // IEEE Access. - 2018. - Vol. 6. - P. 45071-45085. - DOI: 10.1109/ACCESS.2018.2865436
- Bogaert, M. Evaluating multi-label classifiers and recommender systems in the financial service sector / M. Bogaert, J. Lootens, D. Van den Poel, M. Ballings // European Journal of Operational Research. - 2019. - Vol. 279, Issue 2. - P. 620-634.
- Kim, H. An intelligent product recommendation model to reflect the recent purchasing patterns of customers / H. Kim, G. Yang, H. Jung, S.H. Lee, J.J. Ahn // Mobile Networks and Applications. - 2019. - Vol. 24, Issue 1. - P. 163-170. -
- DOI: 10.1007/s11036-017-0986-7
- Wang, X. Personalized recommendation system based on support vector machine and particle swarm optimization / X. Wang, J. Wen, F. Luo, W. Zhou, H. Ren. - In: KSEM 2015: Knowledge science, engineering and management / ed. by S. Zhang, M. Wirsing, Z. Zhang. - Cham, Heidelberg, New York, Dordrecht, London: Springer, 2015. - P. 489-495. -
- DOI: 10.1007/978-3-319-25159-2_44
- Jiamthapthaksin, R. User preferences profiling based on user behaviors on Facebook page categories / R. Jiamthapthaksin, T.H. Aung // 2017 9th International Conference on Knowledge and Smart Technology: Crunching Information of Everything, KST 2017. - 2017. - P. 248-253. -
- DOI: 10.1109/KST.2017.7886077
- Marović, M. Automatic movie ratings prediction using machine learning / M. Marović, M. Mihoković, M. Mikša, S. Pribil, A. Tus // MIPRO 2011 - 34th International Convention on Information and Communication Technology, Electronics and Microelectronics. - 2011. - P. 1640-1645.
- Ivan, I. Factors influencing walking distance to the preferred public transport stop in selected urban centres of Czechia / I. Ivan, J. Horák, L. Zajíčková, J. Burian, D. Fojtík // GeoScape. - 2019. - Vol. 13, Issue 1. - P. 16-30. -
- DOI: 10.2478/geosc-2019-0002
- Borodinov, A.A. Analysis of the preferences of public transport passengers in the task of building a personalized recommender system / A.A. Borodinov, V.V. Myasnikov // CEUR Workshop Proceedings. - 2019. - Vol. 2391. - P. 198-205. -
- DOI: 10.18287/1613-0073-2019-2391-198-205
- Журавлев, Ю.И. Распознавание образов и распознавание изображений / Ю.И. Журавлев, И.Б. Гуревич. - В кн.: Распознавание, классификация, прогноз. Математические методы и их применение / под ред. Ю.И. Журавлева. - Вып. 2. - М.: Наука, 1989. - С. 5-72.
- Supervised learning - scikit-learn 0.22.2 documentation [Electronical Resource]. - URL: https://scikit-learn.org/stable/supervised_learning.html (request date February 4, 2019).
