Анатомія рекомендаційних систем

Журнал :
У світі математики
Випуск :
2
ISSN :
1029-4171
Початкова сторінка :
103
Кінцева сторінка :
118
Цитування :
[APA 7] Собчук, В. В., Лебедєва, І. В., & Кекало, К. (2025). Анатомія рекомендаційних систем. У світі математики, (2), 103–118. https://doi.org/10.17721/1029-4171.2025/2.10
[ДСТУ] Собчук В. В., Лебедєва І. В., Кекало К. Анатомія рекомендаційних систем. У світі математики. 2025. № 2. С. 103—118. DOI: 10.17721/1029-4171.2025/2.10 (дата звернення: 25.07.2026).
У статті розглянуто принципи побудови сучасних рекомендаційних систем соціальних платформ на прикладі TikTok та Instagram. Показано, що основою їхньої роботи є двоетапна архітектура, яка поєднує швидкий пошук потенційно релевантного контенту (Retrieval) і точне ранжування відібраних кандидатів (Ranking). Детально описано модель двох нейронних «веж» (Two-Tower Neural Network), у межах якої користувач і контент подаються у вигляді векторів у багатовимірному просторі, а їхня відповідність визначається за допомогою косинусної близькості. Проаналізовано, як текстові, візуальні, аудіальні та метадані контенту об’єднуються в єдине векторне представлення, а також, як поведінкові та контекстуальні ознаки формують динамічний профіль користувача. Окрему увагу приділено порівнянню підходів TikTok і Instagram, зокрема їхнім різним цілям оптимізації, швидкості адаптації та ступеню складності моделей. Стаття має на меті продемонструвати, що рекомендаційні системи не є «чорною скринькою», а спираються на добре відомі ідеї лінійної алгебри, геометрії та машинного навчання, доступні для розуміння учнями старших класів і студентами початкових курсів.
Файл(и) :
Вантажиться...
Ескіз
Завантажити
Формат :

Adobe PDF

Розмір :

691.19 KB

Контрольна сума :

(MD5):6ad9fb31435c771e486bbb00dd21c2c4

Creative Commons Attribution 4.0 International
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International