Session alapú implicit és explicit ajánlás

Az ajánlórendszerek mint kutatási terület több új iránya is az elmúlt években keletkezett. Explicit ajánlóknál az egyik legelterjedtebb mérték mai napig az RMSE (Root Mean Squared Error), melynek legnagyobb hibája, hogy nem veszi figyelembe az elemek sorrendjét. Utóbbi a valós felhasználás során rendkívül fontos, hiszen a gyakorlatban a felhasználók számára csak egy rövid, de reményeink szerint releváns lista megmutatására van csak lehetőség. A probléma felismerése után nem csak új algoritmusok keletkeztek, hanem felmerült többek között a rangsor alapú kiértékelés, mint pl. az nDCG (normalized Discounted Cumulative Gain) illetve kontextuális elemek felhasználása. A hagyományos CF (Collaborative Filtering) ajánlórendszerek esetén feltételezés, hogy a felhasználó már értékelt vagy legalább megtekintett több elemet a rendszerben. Eme feltételezés nem minden esetben igaz. Gyakran előfordul, hogy egy honlap látogatói “véletlen sétákat” alkotva (session), akár bejelentkezés nélkül keresik a megfelelő elemet. Dolgozatomban összehasonlítok több ismert ajánlórendszert és bemutatok egy, több modell kombinációjának segítségével, session-ök esetében is alkalmazható modellt.

szerző

• 
  Laki Dániel
  Mérnök informatikus szak, mesterképzés
  mesterképzés (MA/MSc)

konzulensek

• 
  Daróczy Bálint Zoltán
  , MTA SZTAKI (külső)
• 
  Simon Gábor
  ügyvivő szakértő, Automatizálási és Alkalmazott Informatikai Tanszék

helyezés