Loading…
Academic Journal
Підбір персоналізованого контенту для соціальної мережі
Б. В. Дутчак, Т. О. Коротєєва
Науковий вісник НЛТУ України, Vol 35, Iss 1 (2025)
Saved in:
| Title | Підбір персоналізованого контенту для соціальної мережі |
|---|---|
| Authors | Б. В. Дутчак, Т. О. Коротєєва |
| Publication Year |
2025
|
| Source |
Науковий вісник НЛТУ України, Vol 35, Iss 1 (2025)
|
| Description |
Розвиток сучасних соціальних мереж потребує впровадження ефективних систем персоналізації контенту для покращення взаємодії з користувачами. У межах цього дослідження проаналізовано наявні підходи до персоналізації контенту, враховуючи колаборативну та контентну фільтрацію, матричну факторизацію та їх гібридні комбінації із використанням нейронних мереж. Застосовано сучасні моделі для вилучення векторних характеристик мультимедійного контенту, зокрема CLIP (англ. Contrastive Language-Image Pretraining) – для зображень, I3D (англ. Inflated 3D Convolutional Networks) – для відео та VGGish – для аудіо, що дало можливість створити уніфікований набір даних для тестування алгоритмів. Проведено оцінювання точності, покриття, різноманітності та якості ранжування рекомендацій для кожного алгоритму. Досліджено обмеження продуктивності матричної факторизації та NCF (англ. Neural Collaborative Filtering), які впливають на точність й охоплення рекомендацій. Встановлено, що гібридний підхід, який поєднує колаборативну та контентну фільтрації, демонструє найвищі показники точності рекомендацій (Precision@10 = 88 %), охоплення та різноманітності. З'ясовано, що використання гібридного підходу зменшує проблему "cold start" (холодний старт) і підвищує адаптивність системи до динамічних змін уподобань користувачів. Виявлено переваги інтеграції нейронних мереж із традиційними методами, що забезпечує більшу гнучкість і точність системи. Наведено перспективи застосування отриманих результатів для розробників соціальних мереж та платформ потокового контенту, зокрема для підвищення рівня залученості користувачів. Перспективи подальших досліджень містять використання реальних даних про вподобання користувачів, вдосконалення гібридних підходів і впровадження нових моделей для оброблення мультимедійного контенту.
|
| Document Type |
article
|
| Language |
English
Polish Russian Ukrainian |
| Publisher Information |
Ukrainian National Forestry University, 2025.
|
| Subject Terms | |
