Регистрация / Вход
Прислать материал

14.604.21.0139

Аннотация скачать
Постер скачать
Общие сведения
Номер
14.604.21.0139
Тематическое направление
Информационно-телекоммуникационные системы
Исполнитель проекта
Федеральное государственное учреждение "Федеральный исследовательский центр "Информатика и управление" Российской академии наук"
Название доклада
Разработка метода и программно-технических решений повышения пертинентности информации в рекомендательных системах поддержки жизнеобеспечения
Докладчик
Захаров Виктор Николаевич
Тезисы доклада
Цели и задачи исследования
Разработка нового метода и программно-технических решений повышения пертинентности информации в рекомендательных системах в области розничной торговли товарами и (или) услугами в целях формирования персонализированных информационных предложений в интересах электронной коммерции.
Актуальность и новизна исследования
По результатам исследования компании Evergage в 2015 году персонализацию в реальном времени использовали 44% веб сайтов, 17% мобильных сайтов, 13% веб приложений и 9% мобильных приложений. При этом 78% тех, кто не использует персонализацию сейчас, утверждают, что планируют начать в течение следующих 12 месяцев. Что подтверждает актуальность исследования. Новизна обусловлена особенностями предлагаемого гибридного метода, который не только решает известные проблемы коллаборативной фильтрации, но и серьезно улучшает выдачу информационного предложения за счёт использования неявных данных, оставляемых пользователями (время пребывания посетителей на отдельных страницах, копирование данных со страниц, выделение отдельных характеристик товаров и т.п.).
Описание исследования

Наибольшее распространение в сфере электронной коммерции получили рекомендательные системы, использующие следующие методы коллаборативной фильтрации:

  1. коллаборативная фильтрация посредством анализа предпочтений групп пользователей со схожими интересами (User-User Collaborative Filtering, User-User CF);
  2. коллаборативная фильтрация посредством анализа взаимосвязей между информационными единицами (Item-Item Collaborative Filtering, Item-Item CF).

Авторами предлагается гибридный метод повышения пертинентности информации (предсказательной персонализации), сочетающий сильные стороны обоих представленных выше методов коллаборативной фильтрации и позволяющий более полно использовать доступную информацию о пользователях и информационных единицах, в первую очередь неявные данные о пользователях.

Для новых пользователей или пользователей с нерепрезентативной историей посещений предлагается генерировать рекомендации, базируясь на данных о подобии информационных единиц (метод Item-Item CF, в основе алгоритм кластеризации информационных единиц Affinity Propagation). Таким образом решается проблема «холодного старта» и повышается качество рекомендаций для малоактивных пользователей, а также пользователей со слабо выраженными предпочтениями.

По мере накопления данных о пользовательских предпочтениях и формировании поведенческого профиля приоритет предлагается отдавать оценкам, полученным с использованием метода User-User CF, исходя из гипотезы, что при наличии качественных поведенческих профилей пользователей данный метод позволяет более точно предсказывать их предпочтения  (в основе - кластеризация профилей по методу K-средних). При этом при необходимости, рекомендации, полученные с использованием метода User-User CF, могут дополняться предложениями информационных единиц, полученными на основе их рейтинга популярности.

Результаты исследования

Практическая реализация предложенного метода в виде экспериментального образца программного комплекса повышения пертинентности информации экспериментально опробована в составе интернет-магазина Thaisoap. Анализ журналов активности пользователей в период экспериментальных исследований показал, что более 70% посетителей магазина использовали блоки рекомендательной системы для поиска интересующих их товаров. При этом процент использования блоков рекомендательной системы посетителями, совершившими покупки за указанный период времени, превышает 80%. Сравнительный анализ различных сценариев показывает, что использование разработанного гибридного метода позволило сократить среднее время пребывания посетителей на сайте (с 16-ти до 11-ти минут), увеличив при этом среднюю наполненность товарной корзины (с 1,5 до 2,4 товара).

Практическая значимость исследования
Полученные результаты обладают высокой практической значимостью, т.к. доказывают, что разработанный метод эффективно способствует достижению основных целей электронной коммерции: позволяет сократить путь пользователей интернет-систем к интересующей информации, увеличивает их вовлеченность в процесс выбора, улучшает пользовательский опыт и, как следствие, способствуют повышению конверсии.