ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПЕРСОНАЛИЗИРОВАННЫХ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ GNN-RL

Представлен современный подход к системам персонализированных рекомендаций, сочетающий в себе графовые нейронные сети GNN с методами обучения с подкреплением RL. GNN-модель оптимизирована для рекомендательных систем и обучается на основе векторных представлений пользователей и продуктов, которые используются для генерации первоначального списка рекомендаций, передающихся в RL-модель. Особое внимание уделено архитектуре и функционированию интегрированной модели GNN-RL. Приведены результаты экспериментальных исследований, демонстрирующие эффективность предложенного подхода. A modern approach to personalized recommendation systems is presented, combining graph neural networks (GNNs) with reinforcement learning (RL) techniques. The GNN model is optimized for recommender systems and is trained on vector representations of users and products, which are used to generate an initial list of recommendations that are fed to the RL model. Particular attention is paid to the architecture and operation of the integrated GNN-RL model. The results of experimental studies demonstrating the effectiveness of the proposed approach are presented.

Hali tarjima qilinmagan