Список публикаций по ключевому слову: «рекомендательные системы»
-
Персонализация пользовательского контента на основе профиля предпочтений: реализация в веб и мобильных приложениях
Статья в сборнике трудов конференцииЦифровизация в системе образования: передовой опыт и практика внедрения- Авторы:
- Богуславский Семен Сергеевич, Войнов Даниил Игоревич
- Рубрика:
- Опыт использования современных информационно-коммуникационных технологий
- Аннотация:
- 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.
- Ключевые слова:
- персонализация, рекомендательные системы, FastAPI, PostgreSQL, Flutter, пользовательский профиль, онбординг, Firebase, Redis, фильтрация контента, цифровые образовательные сервисы, профиль предпочтений
-
Принцип работы рекомендательных систем и их влияние на человека на примере «YouTube»
Статья в сборнике трудов конференции
Актуальные проблемы менеджмента, экономики и экономической безопасности- Авторы:
- Тагиров Марк Ильич, Ушаков Александр Анатольевич, Терещенко Олеся Валерьевна
- Рубрика:
- Менеджмент и его разновидности, диверсификация, маркетинг, ценообразование и логистика
- Аннотация:
- 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.
- Ключевые слова:
- зависимость, искусственный интеллект, машинное обучение, алгоритмы, персонализация, YouTube, большие языковые модели, рекомендательные системы, информационный пузырь