Algorytm rekomendacji bazujący na sesjach rekomendacji działający na podstawie zachowań użytkowników oraz atrybutów obiektów w systemie e-Commerce

Rozprawa doktorska

Michał Malinowski
Wojskowa Akademia Techniczna, 2022, p. 141

Cite

APA Click to copy
Malinowski, M. (2022). Algorytm rekomendacji bazujący na sesjach rekomendacji działający na podstawie zachowań użytkowników oraz atrybutów obiektów w systemie e-Commerce (PhD thesis). Wojskowa Akademia Techniczna.

Chicago/Turabian Click to copy
Malinowski, Michał. “Algorytm Rekomendacji Bazujący Na Sesjach Rekomendacji Działający Na Podstawie Zachowań Użytkowników Oraz Atrybutów Obiektów w Systemie e-Commerce.” PhD thesis, Wojskowa Akademia Techniczna, 2022.

MLA Click to copy
Malinowski, Michał. Algorytm Rekomendacji Bazujący Na Sesjach Rekomendacji Działający Na Podstawie Zachowań Użytkowników Oraz Atrybutów Obiektów w Systemie e-Commerce. Wojskowa Akademia Techniczna, 2022, p. 141.

BibTeX Click to copy

@phdthesis{micha2022a,
  title = {Algorytm rekomendacji bazujący na sesjach rekomendacji działający na podstawie zachowań użytkowników oraz atrybutów obiektów w systemie e-Commerce},
  year = {2022},
  pages = {141},
  school = {Wojskowa Akademia Techniczna},
  author = {Malinowski, Michał}
}

Tematem niniejszej pracy jest algorytm rekomendacyjny oparty na sesjach rekomendacyjnych. Zaproponowano w niej hybrydowe podejście rekomendacyjne, które bazuje zarówno na sesjach użytkownika – w ramach których wydzielane są określone wzorce zachowań – jak i na atrybutach obiektów (produktów, usług) zapisanych w bazie danych systemu e‑Commerce. Istotnym założeniem analizowanego problemu jest fakt, że użytkownik nie jest uprzednio identyfikowany za pomocą danych demograficznych ani historii jego preferencji.

W ramach badań opracowano matematyczny model grafu danych sesji rekomendacyjnych G oraz model sesji, na których opiera się zaproponowany algorytm. Ponadto przedstawiono jego implementację w działającym środowisku online systemu e‑Commerce.

Aby porównać wydajność z oryginalnym algorytmem ARS, opisano i zaimplementowano także konkurencyjne rozwiązanie oparte na regułach asocjacyjnych analizujących zachowania użytkowników.

Przeprowadzone eksperymenty miały na celu weryfikację przydatności obu algorytmów do generowania rekomendacji w systemie e‑Commerce oraz ich wzajemne porównanie. Badania odbyły się w w pełni funkcjonującym środowisku online i opierały się na obserwacji działania systemu rekomendacyjnego oraz analizie rzeczywistych danych. Wyniki potwierdziły zarówno użyteczność opracowanego algorytmu, jak i jego przewagę nad rozwiązaniem konkurencyjnym.

Link do treści