Személyre szabott termékajánlás új felhasználó számára
Napjainkban a rendelkezésre álló digitális információk mennyisége robbanásszerűen megnövekedett,
ez befolyásolja a keresett termékek hatékony megtalálását. Az ajánló rendszerek nagy
népszerűségnek örvendenek az utóbbi években mivel elősegítik a döntéshozatalt, segítségükkel
megjósolható hogy egy adott felhasználó érdekelt-e egy adott termékben kihasználva a felhasználó
profilját, vagy az előző tevékenységeit. Ha viszont egy új felhasználó lép a rendszerbe, ezek az
információk hiányoznak. A jelen munkánkban bevezetünk egy olyan eljárást, amivel termékeket
javasolunk egy új felhasználónak. Ezt a problémát a szakirodalom “cold start” problémának nevezi.
Kiindulunk a klasszikus gazdasági döntéshozási modellekből, amelyek a hasznossági függvényre
épülnek. Ez az elmélet lehetővé teszi a szép matematikai modellek felhasználását, ugyanakkor egy
leegyszerűsített változatát képezik a valóságnak. Tárgyaljuk a korlátozott racionalitás fogalmát, amit
Simon Herbert vezetett be. Ez a megközelítés nem olyan megszorító, mint a klasszikus, ezért
közelebb áll a valósághoz. Miután bemutatunk néhány fontos eljárást a több szempontú
döntéshozatalra rámutatunk miért szükséges bevezetni egy új módszert az új felhasználó
problémájára. Az új módszer a Bayes hálózatokra épül. Miután ismertetjük az elméleti hátterét
bevezetjük a matematikai modellt, ami alkalmas termékek ajánlására egy új felhasználó részére.
szerző
-
Ország Anna
Alkalmazott matematikus mesterképzési szak (MSc)
mesterképzés (MA/MSc)
konzulens
-
Dr. Kovács Edith Alice
Docens, Differenciálegyenletek Tanszék