Застосування нейронних мереж глибокого навчання при розробці рекомендаційної системи
Loading...
Date
2024
Authors
Ракітенко, Дмитрій
Гуминський, Віктор
Journal Title
Journal ISSN
Volume Title
Publisher
Національний університет "Києво-Могилянська академія"
Abstract
Матеріали доповiді учасників 15 міжнародної науково-практичної конференції "Теоретичні та прикладні аспекти побудови програмних систем", Київ, 23-24 грудня 2024 р.
Description
The purpose of this work is to review deep neural network models used to enhance the quality and accuracy of recommender systems. Key approaches are explored, such as convolutional neural networks (CNNs) that are used to search for similar products based on their visual representations. The effectiveness of recurrent neural networks (RNNs) in session-based recommendation tasks is also discussed. The review highlights Transformers4Rec, a highly configurable open-source framework for session-based recommendations that speeds up data processing of big datasets and offers a customizable pipeline for training and evaluating transformers, and AutoRec, an autoencoder-based model designed for predicting user and item ratings from their respective matrices that has contributed to the growing popularity of autoencoders in the field of recommender systems.
Keywords
рекомендаційні системи, нейронні мережі, фреймворк, матеріали конференції
Citation
Ракітенко Д. А. Застосування нейронних мереж глибокого навчання при розробці рекомендаційної системи / Ракітенко Д. А., Гумінський В. В. // Теоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р. / [за заг. ред.: М. М. Глибовця, Т. В. Панченка та iн. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2024. - C. 50-51.