Гібридна рекомендаційна система для електронних бібліотек на основі контентного та поведінкового аналізу

Abstract

У роботі обговорюються проблеми персоналізації в рекомендаційних системах цифрових бібліотек, особливо в середовищах, що характеризуються великими обсягами контенту та різноманітними моделями активності користувачів. Традиційні методи фільтрації на основі контенту та колаборативної фільтрації демонструють обмежену ефективність через розрідженість даних про взаємодію та проблему холодного запуску. Запропоновано гібридну систему рекомендацій, що інтегрує аналіз контенту, моделі колаборативної фільтрації та поведінкову кластеризацію. Експериментальні результати демонструють покращення точності рекомендацій на 20–30% та значне зменшення проблем холодного запуску.