Сравнительное исследование алгоритмов проектирования рекомендательных систем на основе анализа крупноформатных данных о потребительских корзинах
Автор: Олянич И.А., Серафимович П.Г.
Журнал: Онтология проектирования @ontology-of-designing
Рубрика: Методы и технологии принятия решений
Статья в выпуске: 4 (30) т.8, 2018 года.
Бесплатный доступ
В статье рассмотрены алгоритмы проектирования рекомендательных систем на основе анализа данных о продуктовых покупках пользователей одного из крупных онлайновых ритейлеров. Используя современные методы хранения и анализа данных, эффективные рекомендательные системы позволяют формировать покупательский интерес клиентов и повысить стоимость среднего чека в отдельных заказах. В статье описана построенная аппаратно-программная система на облачных веб-сервисах Amazon EMR и S3. С помощью данной системы изучен исходный набор данных, построены типовые примеры рекомендаций и впервые произведено сравнение алгоритмов Alternating Least Squares и Singular Value Decomposition на облачном сервисе для анализа продуктовых онлайн покупок. Рассмотрено применение фреймворков Apache Hadoop и Apache Spark для анализа крупноформатных данных о потребительских корзинах. В статье выполнен анализ пиковых дней недели и ранжирована загруженность в течение дня. Найдены популярные категории товаров. Классифицирован спрос на различные группы товаров по дням недели и частота покупок. Выявлены зависимости между первым и последующими заказами, популярные товары при первом и последующих заказах, изменения предпочтений клиентов с течением времени.
Проектирование рекомендательных систем, коллаборативная фильтрация, матричная факторизация
Короткий адрес: https://sciup.org/170178806
IDR: 170178806 | DOI: 10.18287/2223-9537-2018-8-4-628-640
Список литературы Сравнительное исследование алгоритмов проектирования рекомендательных систем на основе анализа крупноформатных данных о потребительских корзинах
- Что такое Big data: собрали все самое важное о больших данных. Rusbase. - https://rusbase/howto/chto-takoe-big-data.
- Bell, R. Matrix factorization techniques for recommender systems / R. Bell, Y. Koren, C. Volinsky // Computer. - 2009. - Vol. 42, Issue 8. - P. 30-37. - DOI: 10.1109/MC.2009.263
- Wang, W. Using singular value decomposition approximation for collaborative filtering / W. Wang, J. Pearlman, S. Zhang, J. Ford, F. Makedon // Seventh IEEE International Conference on E-Commerce Technology (CEC'05)(CEC), Munich, Germany. - 2005. - P. 257-264. - DOI: 10.1109/ICECT.2005.102
- Bokde, D. Matrix factorization model in collaborative filtering algorithms: A survey / D. Bokde, S. Girase, D. Mukhopadhyay // Procedia Computer Science. - 2015. - Vol. 49. - P. 136-146.
- Вячитов, Д. Data Mining - интеллектуальный анализ данных. Компания iTeam / Д. Вячитов. - http://iteam.ru/publications/it/section_92/article_1448.
