МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение высшего образования

«САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»

(ГУАП)

КАФЕДРА № 41

ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ

ПРЕПОДАВАТЕЛЬ

к.т.н., доцент				А.В. Яковлев
должность, уч. степень, звание		подпись, дата		инициалы, фамилия

ОТЧЕТ О ПРАКТИЧЕСКОЙ РАБОТЕ № 1

Формализация исследования информационных процессов и систем (с использованием менеджера библиографий)

по курсу: ИНФОРМАТИЗАЦИЯ И АНАЛИЗ ИНФОРМАЦИОННЫХ РЕСУРСОВ ОБЩЕСТВА

РАБОТУ ВЫПОЛНИЛ(А)

СТУДЕНТ(КА) ГР. №	4117				А.В. Иванова
			подпись, дата		инициалы, фамилия

Санкт-Петербург, 2025 г.

A.V. Ivanova *

student

* St. Petersburg state University of aerospace instrumentation

APPLICATION OF COLLABORATIVE FILTERING METHOD FOR USER PREFERENCE ANALYSIS IN RECOMMENDATION SYSTEMS

Abstract

The topical issue of using the collaborative filtering method for analyzing user preferences in recommendation systems is described. The advantages and potential of the collaborative filtering method for improving the efficiency of recommendation models are considered. Examples of using the method in successfully implemented products are considered.

Keywords: collaborative filtering, recommender system, user preferences, forecasting.

УДК xxx.xxx

А.В. Иванова*

студент

*Санкт-Петербургский государственный университет аэрокосмического приборостроения

Применение МЕТОДА коллаборативной фильтрации для

анализа пользовательских предпочтений в системах рекомендаций

Аннотация

Описана актуальная тема применения метода коллаборативной фильтрации для анализа пользовательских предпочтений в системах рекомендаций. Рассмотрены преимущества и потенциал метода коллаборативной фильтрации для повышения эффективности работы рекомендательных моделей. Рассмотрены примеры использования метода в успешно реализованных продуктах.

Ключевые слова: коллаборативная фильтрация, совместимая фильтрация, рекомендательная система, пользовательские предпочтения, построение прогнозов.

Введение

В настоящее время информационные технологии являются неотъемлемой частью жизни человека. В современных социальных сетях, онлайн магазинах, развлекательных платформах и других системах пользовательского поиска важную роль играют рекомендательные системы – программы определяющие пользовательские предпочтения на основе профиля и поведения пользователя, общих оценок, предпочтений схожих пользователей. В настоящее время рекомендательные системы используются в различных областях, таких как музыка, научная литература, новости, электронная коммерция и т.п. [1]. На развлекательных платформах алгоритмы рекомендательных моделей предлагают к просмотру контент, который будет интересен конкретному лицу. В социальных сетях при помощи рекомендательных алгоритмах автоматически происходит подбор сообществ и людей, подходящих для пользователя.

Одним из распространенных методов прогнозирования пользовательских предпочтений является метод коллаборативной фильтрации, основывающийся на сопоставлении схожего поведения пользователей для выявления конкретных пользовательских предпочтений. Данный метод находит широкое применение в рекомендательных системах благодаря своей способности эффективно обрабатывать большие объемы данных и выявлять скрытые паттерны в пользовательском поведении.

Например найдено применение метода правдоподобной обработки данных о пользовательских оценках; путем введения характеристик пользователя и кластеризации всех характеристик пользователя с помощью алгоритма кластеризации K-means, новому пользователю рекомендуются N лучших товаров, предпочитаемых другими пользователями в классе, к которому принадлежит новый [2].