Чув
Регистраци Кӗрӳ

Тӗп сӑмах тӑрӑх публикацисен списокӗ: «рекомендательные системы»

  • Персонализация пользовательского контента на основе профиля предпочтений: реализация в веб и мобильных приложениях

    Конференци статья
    Цифровизация в системе образования: передовой опыт и практика внедрения
    Автор:
    Богуславский Семен Сергеевич, Войнов Даниил Игоревич
    рубрика:
    Опыт использования современных информационно-коммуникационных технологий
    Аннотаци:
    В статье рассматриваются архитектурные и алгоритмические подходы к персонализации пользовательского контента на основе явно заданного профиля предпочтений. Проведён сравнительный анализ реализации механизма персонализации в двух учебных проектах: веб-приложении для совместного подбора контента (стек FastAPI, React, PostgreSQL, Redis) и мобильном приложении для мониторинга показателей здоровья (Flutter, Firebase). Описаны структуры данных пользовательского профиля, алгоритмы фильтрации и ранжирования контента, а также механизм онбординга как инструмент первичного сбора предпочтений. Показано, что хранение профиля на стороне сервера с кэшированием в Redis обеспечивает персонализацию, согласованную между клиентскими платформами, тогда как локальное хранение профиля во Flutter позволяет работать в офлайн-режиме без потери персонального контекста.
    Тӗп сӑмахсем:
    Куҫ 

  • Принцип работы рекомендательных систем и их влияние на человека на примере «YouTube»

    Конференци статья
    Актуальные проблемы менеджмента, экономики и экономической безопасности
    Автор:
    Тагиров Марк Ильич, Ушаков Александр Анатольевич, Терещенко Олеся Валерьевна
    рубрика:
    Менеджмент и его разновидности, диверсификация, маркетинг, ценообразование и логистика
    Аннотаци:
    В статье проводится анализ рекомендательной системы «YouTube», а также проводится исследование архитектуры системы, которая, в свою очередь, основана на двухэтапной модели машинного обучения, с учетом внедрения методов самообучения и ее эволюция в 2025 г. Уделяется основное внимание выявлению и систематизации рисков, которые связаны с персонализацией контента, таких как формирование «информационных пузырей», влияние на поведения пользователя и продвижение радикального контента. Представлены рекомендации для снижения выявленных негативных эффектов у пользователей и разработчиков на основе актуальных научных публикаций и статистики.
    Тӗп сӑмахсем:
    Куҫ