Аннотация:
Мы часто сталкиваемся с огромным количеством информации, взаимодействуя с различными онлайн системами, такими как поисковые системы, системы электронной коммерции, социальные сети и так далее. Учитывая, что только часть этой информации будет интересна конкретному пользователю, необходимо персонализировать взаимодействие с подобными системами, заранее рекомендуя пользователям информацию, потенциально соответствующую их предпочтениям. Ключ к хорошим рекомендациям – моделирование огромных массивов поведенческих данных, которые возникают в результате взаимодействия пользователей с онлайн системами. Проблема здесь состоит в том, что эти взаимодействия - мультимодальны, то есть составлены из различных типов данных, таких как пользовательские рейтинги, отзывы, фотографии или их социальные взаимодействия. В данном докладе, мы поговорим о методах интеллектуального анализа данных и машинного обучения для моделирования пользовательских предпочтений в мультимодальных данных, и их использовании при создания полноценной рекомендательной системы.
