РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ ПО ПОДБОРУ КНИГ

АННОТАЦИЯ

Поскольку количество онлайн книг неуклонно растет, увеличивается спрос и поиск соответствующих книг из огромного пространства библиотек. Это становится проблемой для читателя, так как он теряется во всем этом разнообразии. Для решения этой проблемы были придуманы разнообразные рекомендательные системы, например, такие как системы, основанные на контенте. Система рекомендаций появились для эффективного поиска книг, по многим критериям на основе рейтинга и интересов других пользователей., которые используют процесс анализа книг и рецензий. Существует множество сайтов и приложений, которые обладают своими достоинствами и недостатками. Проанализировав их свойства, можно прийти к решению и возможности оптимизировать и доработать недостатки, создав более модернизированную систему.

Ключевые слова: рекомендательные системы, машинное обучение, livelib, книги.

Разнообразие рекомендательных систем.

1. С коллаборативной фильтрацией

Эти системы группируют пользователей с похожими предпочтениями для создания рекомендаций. Данный метод основан на идентификации групп схожих пользователей и формировании рекомендаций, учитывающих их предпочтения и историю взаимодействия (также включая данные об оценках и история выбора). Подходы могут быть двумя: кластеризация по пользователям и по их предпочтениям. Один из основных недостатков подобных систем заключается в проблеме "холодного старта", когда у нового пользователя ещё недостаточно данных для качественных рекомендаций.

2. Системы, основанные на контенте

Данные системы используют индивидуальные вкусы пользователя, которые определяются из данных, предоставленных им при регистрации, а затем дополняется его реальным выбором. в зависимости от алгоритма машинного обучения, который встроен. Такие системы могут быть достаточно восприимчивы к обучению. как отмечается в анализе, не рекомендуется пользователю оценивать все книги из школьной программы подряд, так как это может привести к преобладанию в рекомендациях детской литературы и русской классики. также стоит включить в список предпочтений более специфические книги помимо бестселлеров, чтобы улучшить и расширить рекомендации системы.

3. Прецедентные системы

Эти системы являются частным случаем контентных. Они играют важную роль в обеспечении персонализированного контента для пользователей в соответствии с их изменяющимися предпочтениями. Путем анализа типажей пользователей и сценариев использования контента, системы могут предоставлять рекомендации, которые наиболее точно отражают интересы конкретной аудитории. Например, для любителей стимпанка и фентези, система может рекомендовать книги таких жанров, тогда как для научных сотрудников она может предлагать научно-популярные издания или научно-фантастическую литературу.

Кроме того, прецедентные системы обладают способностью выявлять изменения в предпочтениях пользователей во времени. Это позволяет им адаптировать рекомендации в соответствии с новыми интересами и предпочтениями пользователя, обеспечивая более точное предсказание того, что может заинтересовать их в будущем. Такой подход позволяет улучшить качество обслуживания пользователей и удовлетворить их потребности в персонализированном контенте. [1]

Наконец, применение прецедентных систем в различных сферах, таких как литература, наука и технологии, позволяет создавать индивидуальные сценарии пользователя, адаптированные под их уникальные потребности и интересы. Это способствует улучшению опыта пользователя и повышению его удовлетворенности предоставляемым контентом. Таким образом, прецедентные системы играют важную роль в современной цифровой среде, обеспечивая персонализированный контент и удовлетворяя потребности самых разнообразных аудиторий.

4. Гибридные системы

Другим способом борьбы с проблемой холодного старта является использование коллаборативной фильтрации, которая основана на анализе схожести пользователей и предлагает книги, оцененные другими пользователями с похожими предпочтениями. Таким образом, новому пользователю могут быть предложены книги, которые понравились пользователям с похожими интересами, уменьшая вероятность непонимания и отказа в дальнейшем использовании системы.

Дополнительным способом решения проблемы холодного старта может быть использование гибридных рекомендательных систем, которые комбинируют различные методы предсказания интересов пользователя. Например, можно сочетать коллаборативную фильтрацию с контентным анализом книг, чтобы предложить пользователю наиболее релевантные рекомендации. Это позволяет учесть, как предпочтения пользователя, так и особенности книг, что повышает точность рекомендаций и улучшает пользовательский опыт.

Наконец, стоит также обратить внимание на важность обратной связи от пользователя. Предлагая пользователю книги и запрашивая обратную связь, можно получить информацию о его предпочтениях и вкусах, что позволит улучшить качество рекомендаций в будущем. Сбор обратной связи является ключевым элементом в обучении системы и подстраивании рекомендаций под конкретного пользователя, что способствует повышению удовлетворенности и увеличению регулярного использования рекомендательной системы.

Процесс анализа книг и рецензий.

1. Полные тексты

Доступны в электронных библиотеках. Каждая книга может быть проанализирована с целью выделения маркеров, которые помогут сузить поиск и дать рекомендации. При помощи инструментов анализа текста на естественном языке можно извлечь сущности и факты из произведения. Отношения между сущностями могут быть представлены в виде различных структур. Текст считается ключевой единицей стилистических исследований. Автоматическое извлечение данных из книг может быть натренировано на корпусе текстов. Анализ текстов новых книг может производиться в закрытом режиме на стороне издательства и позже внесен в рекомендательную систему. Рекомендации для читателей могут быть основаны на сходстве жанра и стиля автора, что позволит найти похожие книги. [2, 3]

Кроме того, анализ текстов книг может быть использован для исследования литературных трендов и эволюции литературных стилей. Учитывая большой объем доступных текстов, можно выявить изменения в языковых структурах, предпочтениях авторов и вкусах читателей на протяжении времени. Это позволит лучше понять развитие литературы и ее влияние на общество.

Анализ текстов книг также может быть использован для создания персонализированных рекомендаций читателям. Понимая предпочтения и интересы каждого читателя, рекомендательная система может предлагать книги, которые больше всего соответствуют их вкусам. Это позволит улучшить качество чтения и повысить удовлетворенность пользователя.

Более того, анализ текстов книг может быть использован для обучения машинного обучения и искусственного интеллекта. Алгоритмы могут изучать структуру текстов, выделять ключевые элементы и паттерны, и использовать эти знания для автоматического анализа и обработки текстов. Это открывает новые возможности для развития технологий и создания инновационных решений в области литературы и публикаций.

В целом, анализ текстов книг является мощным инструментом, который может применяться для различных целей, от улучшения рекомендательных систем до исследования литературных трендов и развития технологий. Знание и понимание текстовых данных поможет раскрыть новые грани литературы и принести пользу как читателям, так и авторам.

2. Тексты рецензий

Тексты рецензий, выгруженные с профильных сайтов, могут быть обработаны для выделения аспектов и заполнения фреймов для данного произведения, аналогично ручному выделению признаков и разработке методов для извлечения данных из отзывов. Это весьма перспективный подход, особенно потому, что рецензии часто доступны даже для недавно выпущенных книг, что позволяет быстро извлечь характеристики произведения при наличии достаточного количества обзоров.

Оба подхода (выделение аспектов и заполнение фреймов) могут использоваться как по отдельности, так и в комбинации, в зависимости от давности выхода книги и пользовательских настроек поиска. Дополнительно данные могут извлекаться из интернета. Существует множество порталов, предоставляющих информацию о книгах, которые можно разделить на магазины и системы с отзывами, включая профильные социальные сети. Поскольку заполненность книжной графы в профилях социальных сетей не гарантирована, модуль выгрузки данных из социальных сетей может служить лишь дополнительным инструментом в системе. Полные данные из этих источников могут помочь решить проблему холодного старта, а их отсутствие подчеркивает важность поиска других решений для этой проблемы. [4]

Обзор рекомендательных систем по подбору книг. На основе начальных предпочтений пользователя системы создают персонализированный рейтинг книг, которые могут его заинтересовать. Таких сервисов существует довольно много. Некоторые из них, как Amazon и Ozon, связаны с онлайн-торговлей. Другие подбирают персонализированные рекомендации на основе оценок, которые пользователи поставили нескольким десяткам или сотням книг. [5, 6]

В основе рекомендательных сервисов лежит обмен опытом и мнениями между пользователями с похожими предпочтениями. Вы оцениваете книги, формируете свой профиль, а система находит группу людей со схожими интересами и комбинирует книги, которых нет в вашем списке, но которые могут вам понравиться.

Рассмотрим некоторые из них:

Библа. Библа - это сервис, помогающий ориентироваться в море книг и эффективно с ними работать. Возможности сервиса включают:

• Добавление прочитанных книг в список с заметками, чтобы помнить основные идеи, и метками для удобства навигации.
• Добавление понравившихся и заинтересовавших книг в список «Хочу прочитать» с заметками и метками для удобства.
• Создание списка «У меня есть» для книг из своей домашней библиотеки, что позволяет легко ориентироваться в ней.
• Создание тематических подборок книг с комментариями, чаще всего в виде рекомендаций другим пользователям по определенным темам.

Bookmix (Книжный микс) Bookmix - социальная сеть для любителей книг, помогающая легко ориентироваться в мире книжных экспертов. Она создана для общения с единомышленниками и интересна тем, кто ищет информацию о новинках литературы, хочет делиться мыслями о прочитанных книгах и быть услышанным. Возможности Bookmix включают:

• Получение свежей информации о новинках книжного рынка.
• Легкий поиск людей с похожими литературными вкусами.
• Поиск новых друзей и знакомых, организация собственных групп.
• Обсуждение прочитанных книг и восстановление хронологии чтения.
• Создание собственной электронной библиотеки. Навигация проста и удобна. На главной странице представлены последние рецензии, популярные книги, новые поступления, свежие новости и жанровые категории.

Мои Книги Мои Книги - книжная система, объединяющая библиофилов из разных городов России. Она предоставляет возможности для обмена, продажи, дарения, поиска и подбора книг. Здесь можно найти книги на любой вкус: зарубежная, учебная, научная, художественная, детская литература. В отличие от других букинистических сайтов, здесь продаются бывшие в употреблении книги, которые также можно подарить или обменять с возвратом. Основная идея сайта - дарение, обмен и продажа прочитанных книг. База включает предложения и с других букинистических сайтов.

LiveLib LiveLib - социальная сеть любителей книг, основанная в 2007 году. Возможности сервиса включают:

• Создание тематических подборок книг.
• Составление биографий любимых писателей.
• Получение рекомендаций.
• Узнавание рейтингов лучших произведений года или месяца по мнению читателей. Пользователи могут создавать собственные онлайновые подборки книг, восстанавливать хронологию чтения и планировать будущее чтение. LiveLib также приглашает представителей различных социальных групп и профессий, о которых в обществе существуют множество стереотипов.

Кроме вышеперечисленных сервисов, существуют и другие платформы, способные удовлетворить потребности самых разных читателей. [7]

Лабиринт. Лабиринт - крупный онлайн-магазин книг, который предлагает не только широкий ассортимент литературы, но и уникальную систему рекомендаций. Пользователи могут оставлять отзывы, оценивать книги и получать персонализированные предложения на основе их предпочтений. Лабиринт также активно сотрудничает с авторами и издательствами, предлагая эксклюзивные новинки и акции.

MyBook. MyBook - электронная библиотека и читательский сервис, предоставляющий доступ к огромной коллекции книг на разных языках. Пользователи могут читать книги онлайн или офлайн, создавать собственные списки для чтения и получать рекомендации на основе их предпочтений и активности. MyBook предлагает, как бесплатные, так и платные подписки, что позволяет выбрать оптимальный формат доступа к контенту.

ЛитРес. ЛитРес - еще один популярный сервис для любителей книг, предоставляющий доступ к большому количеству электронных и аудиокниг. ЛитРес позволяет пользователям создавать личные библиотеки, получать рекомендации, участвовать в обсуждениях и оставлять отзывы. Сервис активно развивает функционал, связанный с рекомендациями, что делает его удобным инструментом для поиска новой литературы.

Goodreads. Goodreads - международная социальная сеть для книголюбов, предлагающая обширные возможности для обмена мнениями и рекомендациями. Пользователи могут оценивать книги, писать рецензии, участвовать в обсуждениях и читать обзоры других читателей. Goodreads также предоставляет персонализированные рекомендации и позволяет следить за новинками и событиями в литературном мире.

Все эти платформы и сервисы предлагают уникальные инструменты и возможности, которые помогают читателям находить и выбирать книги, соответствующие их интересам и предпочтениям. Рекомендательные системы, используемые этими сервисами, играют ключевую роль в создании персонализированного опыта для каждого пользователя, делая процесс выбора книг более увлекательным и эффективным.

Выводы.

В результате исследоваия изучены проблемы, возникающие при создании рекомендательной системы, посвящённой книгам.

Рассмотрены стратегии рекомендательных систем применительно к задаче рекомендации книг по пользовательским параметрическим предпочтениям.

Выделены ключевые параметры книг, которые следует выделять и закладывать в основу разрабатываемой системы и, возможно, базы знаний о понятиях предметной области.

Рассмотрены существующие преимущества и недостатки созданных на сегодняшний день рекомендательных систем.

Список литературы:

1. Автоматическая обработка текстов на естественном языке и компьютерная лингвистика. Учебное пособие. М.: МИЭМ.
2. П. Браславский Опыт автоматической классификации текстов по стилям (на материале документов Internet). Русский язык в Интернете. - Сб. статей. изд. - Казань: 2013. - 310 с.
3. Л. А. Гращенко, Г. В. Романишин. Опыт автоматизированного анализа повторов в научных текстах. Новые информационные технологии в автоматизированных системах: материалы восемнадцатого научно-практического семинара. - Сб. статей. изд. - 2015. - 590 с.
4. [электронный ресурс] - Рекомендательная революция. // «Вокруг света» URL: http://www.vokrugsveta.ru/vs/article/6226/ (дата обращения: 02.11.2023).
5. М. М. Токарева, Л. Л. Волкова, А. П. о. Абдуллаев О рекомендательной маршрутной системе, основанной на оценке предпочтений пользователя. - Новые информационные технологии в автоматизированных системах: материалы девятнадцатого научно-практического семинара изд. - М.:ИПМ им. М.В. Келдыша, 2016. - 260 с.
6. [электронный ресурс] - Сервисы рекомендаций книг на основе прочитанного // пикабу URL: https://pikabu.ru/story/servisyi_rekomendatsiy_knig_na_osnove_prochitannogo_9883782 (дата обращения: 10.11.2023).
7. [электронный ресурс] - Книжно-рекомендательные сервисы // livelib URL: https://www.livelib.ru/group/177/post/1247-knizhnorekomendatelnye-servisy