Детальная информация

Целью работы является разработка прототипа прототипа рекомендательной системы выбора товара с использованием алгоритмов фильтрации. Решены следующие задачи: − проведен анализ методов машинного обучения в рекомендательных системах; − изучены существующие аналоги разрабатываемой рекомендательной системы; − выбраны технологии и инструменты разработки рекомендательной системы; − разработан прототип рекомендательной системы; − проведена оценка результатов и разработки рекомендательной системы. Актуальность темы обусловлена необходимостью разработки отечественного аналога рекомендательной системы для предоставления пользовательских рекомендаций пользователю по выбору товара, с последующей оценкой её коммерциализации, а также расчета экономической эффективности уже разработанного продукта и последующего внедрения. Использованные методы: статистические методы, общенаучные методы, наблюдение, анализ и синтез, математические методы, методы машинного обучения. Источниками информации выступили данные отечественной и зарубежной научно-исследовательской литературы, официальных Интернет-ресурсов и аналитических агентств. В результате проделанной работы разработан прототип рекомендательной системы выбора товара, который в последствии может быть использован российскими компаниями для получения дополнительной прибыли и повышению лояльности, а также в привлечении новых клиентов.

The purpose of the work is to develop a prototype of the prototype of the recommender system of the choice of goods using filtering algorithms. The following tasks were solved: − machine learning methods in recommender systems were analyzed; − existing analogs of the recommendation system under development were studied; − technologies and tools for recommendation system development were selected; − a prototype of the recommender system was developed; − the results and development of the recommender system were evaluated. The relevance of the topic is determined by the need to develop a domestic analogue of the recommendation system to provide user recommendations to the user on the choice of goods, with the subsequent evaluation of its commercialization, as well as the calculation of economic efficiency of the already developed product and subsequent implementation. Methods used: statistical methods, general scientific methods, observation, analysis and synthesis, mathematical methods, machine learning methods. The sources of information were data from domestic and foreign research literature, official Internet resources and analytical agencies. As a result of the work done, a prototype of the product recommendation system was developed, which can be used by Russian companies to obtain additional profit and increase loyalty, as well as to attract new customers.