Выработка рекомендаций с использованием знаний о предметной области
Автор: Куренных Алексей Евгеньевич, Судаков Владимир Анатольевич
Журнал: Бюллетень науки и практики @bulletennauki
Рубрика: Технические науки
Статья в выпуске: 11 т.8, 2022 года.
Бесплатный доступ
В статье рассматривается актуальная научно-техническая задача разработки рекомендательной системы, использующей знания о предметной области для более полного и точного анализа проблемной ситуации. В предлагаемом авторами подходе знания о предметной области выражаются компьютерной моделью, которая при определенных параметрах возвращает вектор оценки результатов моделирования. Оба вектора значений являются значимыми критериями, на основе которых осуществляется выработка рекомендаций. Особый подход к архитектуре информационного пространства, в котором реализуется взаимодействие рекомендательной и моделирующей систем дает широкие возможности к применению такого подхода в широком классе задач.
Рекомендательные системы, компьютерное моделирование, обмен данными
Короткий адрес: https://sciup.org/14125984
IDR: 14125984 | DOI: 10.33619/2414-2948/84/45
Список литературы Выработка рекомендаций с использованием знаний о предметной области
- Hu Y., Xiong F., Lu D., Wang X., Xiong X., Chen H. Movie collaborative filtering with multiplex implicit feedbacks // Neurocomputing. 2020. V. 398. P. 485-494.
- Sánchez-Moreno D., González A. B. G., Vicente M. D. M., Batista V. F. L., García M. N. M. A collaborative filtering method for music recommendation using playing coefficients for artists and users // Expert Systems with Applications. 2016. V. 66. P. 234-244.
- Mustaqeem A., Anwar S. M., Majid M. A modular cluster based collaborative recommender system for cardiac patients // Artificial intelligence in medicine. 2020. V. 102. P. 101761.
- Wang D., Liang Y., Xu D., Feng X., Guan R. A content-based recommender system for computer science publications // Knowledge-Based Systems. 2018. V. 157. P. 1-9.
- Li J., Xu H. Suggest what to tag: Recommending more precise hashtags based on users' dynamic interests and streaming tweet content // Knowledge-based systems. 2016. V. 106. P. 196-205.
- Tejeda-Lorente Á., Bernabé-Moreno J., Herce-Zelaya J., Porcel C., Herrera-Viedma E. A risk-aware fuzzy linguistic knowledge-based recommender system for hedge funds // Procedia Computer Science. 2019. V. 162. P. 916-923.
- Zhen L., Huang G. Q., Jiang Z. An inner-enterprise knowledge recommender system // Expert Systems with Applications. 2010. V. 37. №2. P. 1703-1712.
- Lully V., Laublet P., Stankovic M., Radulovic F. Enhancing explanations in recommender systems with knowledge graphs // Procedia Computer Science. 2018. V. 137. P. 211-222.
