Features of building recommendation systems based on neural network technology using multithreading

• Опубліковано в: : Проблеми програмування
• Дата: 2022
• Автори: Komleva, N.O., Zinovatna, S.L., Liubchenko, V.V., Komlevoi, O.M.
• Формат: Стаття
• Мова: English
• Опубліковано: Інститут програмних систем НАН України 2022
• Теми: Експертні та інтелектуальні інформаційні системи
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/188652
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Features of building recommendation systems based on neural network technology using multithreading / N.O. Komleva, S.L. Zinovatna, V.V. Liubchenko, O.M. Komlevoi // Проблеми програмування. — 2022. — № 3-4. — С. 289-300. — Бібліогр.: 13 назв. — англ.

The article is devoted to the creation of a recommendation system for tourists regarding hotels using a neural network based on a multilayer perceptron. The work uses the mechanism of parallelization of the training sample of the neural network. To check the quality of the provided recommendations, the average absolute and root mean square errors, accuracy and completeness were used. The results of the experiments showed that when analyzing 10 html pages with descriptions of hotels, the metrics of root mean square error and accuracy gave the best results at 500,000 epochs of neural network training when using 8 processors. У статті розглянуто питання створення прикладного програмного забезпечення з використанням багатопотоковості. Розроблено рекомендаційну систему, призначену для надання рекомендацій туристам щодо готелів. Для створення рекомендацій побудовано модель оцінювання готелів, що описуються об’єктивними та суб’єктивними аспектами. До об’єктивних аспектів відносяться характеристики готелів, які можуть бути представлені у вигляді бінарного значення (наявність чи відсутність) чи кількісної оцінки характеристик готелю (кількість поверхів, площина тощо). Серед суб’єктивних характеристик найціннішими є текстові відгуки туристів, які аналізуються з визначенням певного емоційного забарвлення; відгук може бути класифікований як позитивний, нейтральний чи негативний. Розробку рекомендаційної системи виконано з використанням мови програмування Python та супутніх бібліотек