1869 Система персональных рекомендаций для маркетплейсов на основе различных видов фидбека пользователей

Александр Романов

руководитель проекта

Старт

26.12.2023

Представление

27.01.2024 – 07.02.2024

Постерная сессия

02.06.2024 – 13.06.2024

Защита

05.11.2024 – 15.11.2024

Паспорт проекта

Аннотация

Персональных рекомендаций, которые предоставляют рекомендации для пользователей в разных контекстах, стали неотъемлемой частью онлайн-магазинов, стриминговых платформ, социальных сетей, и других онлайн-сервисов, где рекомендации имеют большое значение для удовлетворения интересов пользователей. Современные методы, такие как коллаборативная фильтрация и sequence-based подходы при обучении и предсказании рекомендаций учитывают только один вид фидбека, например, последовательность заказов. При...

Отрасль

Информатика

Цель

Разработка новой архитектуры модели машинного обучения по выработке более точных и персонализированных рекомендаций для пользователей маркетплейсов на основе анализа разных видов фидбека от них.

Ожидаемые результаты

Проектные: разработка новой архитектуры, способной эффективно использовать разнообразные виды фидбека для улучшения точности и персонализации рекомендаций. Требуется, чтобы новая модель могла справляться с вызовами, связанными с разнообразием форм обратной связи, а также имела большую адаптивность в сравнении со state-of-the-art решениями к уникальным предпочтениям пользователей.