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)

II. helyezett