Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: systemy rekomendacji

Sortuj według:

Ogranicz wyniki do:

Systemy rekomendacji. Remedium w cyfrowej klęsce urodzaju

Chęciński Karol, Wawrzusiak Radosław

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

2023

nr 2

33--40

W dobie dynamicznego rozwoju branży OTT, konsument ma dostęp do setek tysięcy atrakcyjnych treści wideo oferowanych przez właścicieli serwisów streamingowych oraz dystrybutorów treści. Remedium na tytułową klęskę urodzaju stanowią systemy rekomendacyjne, które stają się powoli niezbędne dla rozwoju serwisów internetowych oferujących produkty lub treści. Funkcjonalność systemów rekomendacyjnych nie polega jednak tylko na przewidywaniu ocen użytkowników, ale wymaga wieloaspektowego podejścia. Istotne jest, aby systemy były elastyczne w kontekście obsługi danych i algorytmów oraz były zasilane danymi w czasie rzeczywistym. Autorzy we wprowadzaniu opisują genezę powstania systemów rekomendacyjnych dla serwisów streamingowych, wykorzystując perspektywę zarówno użytkownika jak i właściciela platformy dostarczającej treści. Artykuł omawia cechy dobrych rekomendacji oraz potrzebne dane do ich generowania. W kolejnych sekcjach artykułu przedstawione zostaną podstawy tworzenia systemów rekomendacji, na przykładzie serwisu VOD. Omówione zostaną kluczowe czynniki wpływające na jakość rekomendacji oraz dane potrzebne do ich generowania. Ponadto, poruszone zostały istniejące problemy związane z tworzeniem skutecznych systemów rekomendacyjnych, zarówno teoretyczne jak i praktyczne – takie jak implementacja algorytmów rekomendacyjnych w rzeczywistych systemach. W dalszej części artykułu, przedstawione zostaną różne techniki i podejścia, które mogą być wykorzystane do rozwiązania tych trudności w tworzeniu systemów rekomendacyjnych. Opisane techniki i podejścia zastosowane zostały w systemie rekomendacyjnym – Redge Media Recommender – stworzonym przez Redge Technologies. Projekt powstał we współpracy z ActumLab w ramach programu RPO WM 2014–2020.

In the age of the dynamic development of the OTT industry, consumers have access to hundreds of thousands of attractive video content offered by streaming service providers and content distributors. The remedy for this abundance of choice is recommendation systems, which are becoming essential for the development of Internet services that offer products or content. However, the functionality of recommendation systems does not rely solely on predicting user ratings but requires a multi-faceted approach. It is crucial that the systems are flexible in terms of data and algorithm handling, and that they are powered by real-time data. The authors describe the evolution of recommendation systems for streaming services from the perspective of both the user and the content platform owner. The article discusses the characteristics of good recommendations and the data needed to generate them. The basics of building recommendation systems are presented in the following sections of the article, using a VOD service as an example. Key factors influencing the quality of recommendations and the data needed to generate them are discussed. In addition, existing problems related to the creation of effective recommendation systems are addressed, both theoretical and practical, such as the implementation of recommendation algorithms in real systems. The rest of the paper presents several techniques and approaches that can be used to overcome these difficulties in building recommendation systems. The described techniques and approaches have been applied in the recommendation system – Redge Media Recommender – developed by Redge Technologies. The project was developed in cooperation with ActumLab as part of the RPO WM 2014–2020 programme.

Utilizing User Access Sequence to Mitigate the Cold Start Problem in Collaborative Filtering Recommendation

Deng X.

Przegląd Elektrotechniczny

2013

R. 89, nr 1b

217--220

Collaborative filtering (CF) is one of the most successful recommending techniques, but it suffers from the cold start problem which severely affected the quality of recommendation. To address this problem, we propose a novel hybrid approach, named UAS-CF, which incorporates user access sequence into traditional CF for improving the quality of recommendation. Experiments on three datasets were carried out to evaluate the performance of our method. Our results show that our approach outperforms other methods and improves recommendation quality effectively.

W artykule zaprezentowano nowe podejście UAS-CF do obsługi poleceń, które włącza sekwencję dostępu użytkownika do klasycznego filtrowania uwspólnionego (ang. Collaborative Filtering), w celu polepszenia jakości rekomendacji. Badania eksperymentalne, przeprowadzone na trzech sekwencjach danych, wykazują wysoką jakość rekomendacji w porównaniu z innymi metodami.