Использование методов обработки естественного языка в продвинутых рекомендательных системах

Многие рекомендательные системы используют методы NLP преимущественно в обработке контента. В работе предлагается новый подход к построению рекомендательных систем, в котором данные о пользовательских взаимодействиях с контентом рассматриваются в рамках модели естественного языка. Таким образом, предлагается модель векторизации пользовательских предпочтений Pref2Vec в качестве основы гибридной рекомендательной системы. Кроме того, предложена концепция пользовательского пространства эмбеддингов (UES), которая представляет собой набор расширенных эмбеддингов, отображающих предпочтения конечного пользователя. Также предложен новый способ применения задачи кластеризации в решении задачи построения рекомендаций. Модель Pref2Vec и класс UES были реализованы на языке программирования Python в качестве расширения функциональности библиотеки Gensim. Была произведена оценка модели при помощи метрик Recall@k и NDCG@k. Сравнительный анализ показал, что полученные результаты сравнимы с показателями моделей BPRMF, GRU4Rec и NextItRec, что говорит о перспективности предложенной модели.