Використання рекомендаційної системи для формування направлення навчання

Abstract

Базова розроблена система рекомендацій була побудована на базі колабораційної фільтрації з перерахунком рекомендацій кожні n разів, де n – число з ряду Фібоначчі. Сутність роботи полягала в тому, що перегляд кожного блоку матеріалу був подією і, якщо порядковий номер цієї події входив до ряду Фібоначчі, то перераховувалась ознака близькості цього блоку навчального матеріалу з іншим блоком навчального матеріалу. На початку роботи система працювала з достатньою швидкодією, але з часом розкрилися наступні проблеми: 1) технічна проблема, яка полягала у завантаженні всіх ресурсів системи при перерахунку матеріалів популярних курсів (потік подій “забивав” всю оперативну пам’ять, що викликала “забивання” всіх ядер); 2) проблема “неадекватної” оцінки матеріалу, яка виникла у зв’язку з тим, що рекомендації перераховувались тільки кожного i-го разу, який приналежить ряду Фібоначчі, що не дозволяло одразу знайти помилково позначений “неадекватно” оцінений контент. Коли ж до нього добиралися, то доводилось робити повний перерахунок рекомендацій, що знову перенавантажувало всі ресурси системи; 3) алгоритмічна проблема, яка в західних джералах називається “implicit feedback problem“. Ця проблема виникла у зв’язку з тим, що в системі використовувалась тільки кількість переглядів блоку навчального матеріалу, а в стандартних рекомендаційних системах використовуються оцінки чи рейтинги.