МОДЕЛЮВАННЯ ПОЯСНЕНЬ ЩОДО РЕКОМЕНДОВАНОГО ПЕРЕЛІКУ ОБ’ЄКТІВ З УРАХУВАННЯМ ТЕМПОРАЛЬНОГО АСПЕКТУ ВИБОРУ КОРИСТУВАЧА

Предметом вивчення в статті є процеси формування пояснень щодо рекомендованого переліку товарів та послуг в рекомендаційних системах. Метою є розробка моделей пояснення щодо рекомендованого переліку товарів та послуг з урахуванням зміни інтересів користувачів у часів. Завдання: обґрунтувати вибір критеріїв для оцінки пояснень; розробити узагальнену модель пояснення, що враховує довіру користувача, а також зміни у продажах товарів та послуг. Використовуваними підходами є: підходи до побудови рекомендацій на основі схожості вибору користувачів, а також характеристик об'єктів користувацького вибору. Отримані наступні результати. Проведено порівняльний аналіз критеріїв оцінки пояснень та обґрунтовано вибір критеріїв довіри та результативності як ключових для моделювання пояснень з урахуванням темпорального аспекту вибору користувача. Запропоновано моделі представлення пояснень у вигляді числового показника, значення якого характеризує зміну продажів протягом визначеного періоду часу, а знак пояснення визначає напрямок цих змін – збільшення або зменшення. Висновки. Наукова новизна отриманих результатів полягає в наступному. Запропоновано модель пояснення для рекомендацій. Пояснення представлено числовим показником, що враховує зміни продаж на товарів та послуг між інтервалами деталізації часу для визначеного періоду часу. Пояснення враховує зміни продажів вибраного товару на послідовних інтервалах часу для заданого рівня його деталізації, а також зміни продажів для всіх інтервалів у вибраному періоді часу у порівнянні з поточним інтервалом. Запропоноване числове представлення пояснення дає можливість задовільнити одночасно критерії довіри та результативності пояснень: знак показника відповідає критерію довіри, а абсолютне значення з урахуванням знаку дає можливість оцінити результативність роботи рекомендаційної системи. В практичному аспекті представлене пояснення дає можливість обґрунтувати сформовану рекомендацію навіть у випадку шилінг-атак та у ситуації холодного старту рекомендаційної системи, оскільки в якості вхідних даних для його побудови використовується об’єктивна інформація про покупки вибраного товару для заданого періоду часу