?
Ранжирование результатов поиска с учетом предпочтений пользователя в условиях отсутствия персонализированной статистики
Рассмотрен алгоритм ранжирования результатов поиска по соответствию ожиданиям пользователя за счет обратной связи на данных предварительной выдачи результатов поиска, позволяющий сократить время поиска нужной информации. Описывается численный эксперимент, направленный на оценку эффективности предлагаемого подхода на примере объектов недвижимости. В качестве данных были использованы агрегированные данные объявлений об объектах недвижимости, а для оценки соответствия рассматривали результаты опросов пользователей. В качестве алгоритмов предварительного ранжирования применяли методы TOPSIS и PROMETHEE. Результаты ранжирования были объединены с учетом их порядка в выдаче обоих методов. Для реализации следующего шага алгоритма проводили разметку списка предварительной выдачи на классы, для чего пользователи выбирали несколько понравившихся им объектов. На размеченных данных обучались модели машинного обучения. На основе оценок их средней точности и дисперсии была выбрана модель наивного байесовского классификатора, которая использовалась для последующих расчетов. Результаты дальнейших экспериментов показали возможность учета личных предпочтений при организации поиска и подбора объектов интереса при отсутствии персонализированной статистики на примере объектов недвижимости. В результате экспериментов время поиска группы результатов, представляющих интерес, сокращалось в среднем на 74 %.