СОВРЕМЕННЫЕ ПОДХОДЫ К РЕКОМЕНДАЦИЯМ ФИЛЬМОВ: ОТ КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ ДО ГЛУБОКОГО ОБУЧЕНИЯ

Аннотация

Данная статья освещает существующие методы для рекомендаций фильмов, описывая современные подходы к предоставлению персонализированных рекомендаций и выделяя их отличия между собой. Были последовательно исследованы фундаментальные парадигмы рекомендательных систем, применительно к задаче персонализации выбора фильмов: контентная фильтрация (content-based filtering), коллаборативная фильтрация (collaborative filtering), гибридная рекомендательная система (hybrid recommender system) и глубокое обучение (DL).

Статья демонстрирует эволюционный путь рекомендательных систем от относительно простых, основанных на отдельных типах данных (метаданные и взаимодействия), к сложным гибридным и глубоким нейросетевым моделям, способным интегрировать разнородную информацию, для обеспечения максимальной точности и глубины персонализации.