Модель фильтрации объектов по поисковому образу для интеллектуальных рекомендательных систем
(Стр. 43-50)

Исследование проводится с целью разработки и анализа модели фильтрации объектов для интеллектуальных рекомендательных систем. Основной задачей является решение проблемы ориентации в обширных объемах информации, накапливаемой человечеством. Целью исследования является создание эффективного инструмента для систематизации и управления знаниями, что в свою очередь способствует оптимизации процессов принятия решений и взаимодействия с данными. Статья фокусируется на разработке модели фильтрации объектов для интеллектуальных рекомендательных систем. В рамках методологии и области исследования подробно описывается разработанная модель, анализируются теоретические и практические аспекты методологии. В этой работе представлен вариант формулировки задачи исследования, а также разработки модели фильтрации объектов для интеллектуальных рекомендательных систем. Кроме того, в статье описывается второй этап решения данной задачи, подчеркивая его важность в контексте достижения эффективности системы. Подробно анализируются результаты исследования, выделяя ключевые моменты и особенности предложенной модели. Рассматриваются рамки исследования, подробно указываются перспективы применения результатов в научной и практической сферах, предоставляя читателю более глубокое понимание потенциала предложенной модели. Модель фильтрации объектов имеет высокий потенциал полезности для бизнеса и производства. Данная работа будет полезна для разработчиков и исследователей рекомендательных систем, в которых пользователи редко или вообще не взаимодействуют с одним и тем же объектом.

ОБРАЗЕЦ ЦИТИРОВАНИЯ: Николаев К.С., Гагарина Л.Г. Модель фильтрации объектов по поисковому образу для интеллектуальных рекомендательных систем // Computational Nanotechnology. 2024. Т. 11. № 2. С. 43-50. DOI: 10.33693/2313-223X-2024-11-2-43-50. EDN: MNWJNP

Deepjyoti R., Mala D. A systematic review and research perspective on recommender systems // Journal of Big Data. 2022. Vol. 9. Art. 59.
Singh P.K. et al. Recommender systems: an overview, research trends, and future directions // International Journal of Business and Systems Research. 2021. Vol. 15. No. 1. Pp. 14–52.
Zhang Q., Lu J., Jin Y. Artificial intelligence in recommender systems // Complex & Intelligent Systems. Vol. 7. Pp. 439–457.
Гагарина Л.Г., Болотин Ю.С., Болотина Е.С. Исследование и разработка методики фильтрации для рекомендательной системы // Известия Тульского государственного университета. 2023. № 1. С. 387–390.
Жарова М.А., Цурков В.И. Нейросетевые подходы для рекомендательных систем // Известия Российской академии наук. Теория и системы управления. 2023. № 6. C. 150–165.
Кошелева Д.Д., Давыдов И.И. Машинное обучение в рекомендательных системах // Актуальные вопросы фундаментальных и прикладных научных исследований. 2023. № 1. С. 82–87.
Круглик А.С., Лакман И.А. Гибридный подход усиленной контентом коллаборативной фильтрации в области рекомендательных систем // Информационные технологии. 2020. Т. 26. № 9. С. 523–528.
Николаев К.С. Исследование и разработка модели и алгоритма получения поискового образа для интеллектуальных рекомендательных систем // Перспективы науки. 2023. № 11 (170). P. 41.
Николаев К.С. Исследование и разработка модели фильтрации объектов для интеллектуальных рекомендательных систем // Системы компьютерной математики и их приложения. 2023. № 24. С. 171–175. EDN: DXGFTW.
Оболенский Д.М., Шевченко Д.И. Обзор современных методов построения рекомендательных систем на основе коллаборативной фильтрации: сб. ст. всерос. науч.-техн. конф. студентов, аспирантов и молодых ученых, Севастополь, 6–10 апреля 2020 г. / науч. ред. Е.Н. Мащенко. Севастополь: СевГУ, 2020. С. 97–102.
Писарева А.И., Петров В.Ю. Рекомендательные системы как инструмент автоматизации бизнес-процессов // Colloquium Journal. 2020. № 15-1. С. 36–39.
Чипчагов М.С., Кублик Е.И., Попов В.А. Алгоритм индексации объектов рекомендательной системы // Известия высших учебных заведений. Электроника. 2023. № 2. С. 252–260.
Чумакова М.С., Вторникова Ю.В., Матрохин Н.А. и др. Междисциплинарные проблемы человеко-машинного интерфейса. М.: ОнтоПринт, 2023. С. 132–138.
Якунин М.А. Исследование подходов к построению универсальной рекомендательной системы на основе информационного поиска с элементами машинного обучения // Актуальные проблемы современной науки: сб. статей науч.-практ. конф. Пенза: Наука и просвещение, 2018. С. 256–265.

фильтрация объектов, поисковый образ, рекомендательные системы.