Сборник конференции Научно-исследовательские публикации 2014 окончательный для елибрари

---

«Общество и цивилизация в ХХI веке: тенденции и перспективы развития» 
202 
УДК 004.01 
ББК 32.0 
 
 
Селивёрстов
 Е.В., 
магистрант МГУЛ.,
Московская обл., 
г. Мытищи, Россия 
СОВРЕМЕННОЕ
 НАПРАВЛЕНИЕ РАЗВИТИЯ 
РЕКОМЕНДАТЕЛЬНЫХ
 СИСТЕМ ДЛЯ ЭЛЕКТРОННЫХ 
ДОКУМЕНТОВ
 
 
Рекомендательные системы – это такие программные 
средства и методы, предоставляющие рекомендации пред-
метов, которые могли бы оказаться полезными для пользо-
вателя. Рекомендации могут касаться совершенно различ-
ных областей принятия решений, например, таких как, ка-
кой предмет купить, какую музыку послушать, какие ново-
сти прочесть. 
Разработка рекомендательных систем была иницииро-
вана из достаточно простого наблюдения – люди часто по-
лагаются на рекомендации для решения обычных повсе-
дневных задач. Например, при выборе книги для чтения по-
лагаются на советы сверстников; работодатели учитывают 
рекомендательные письма в рекрутинговых решения; при 
выборе фильма люди часто полагаются на обзоры и мнения 
кинокритиков, и т. д. 
В попытках имитировать это поведение, первые алго-
ритмы рекомендательных систем использовали рекоменда-
ции сообщества пользователей для предоставления реко-
мендаций конкретному пользователю. Рекомендовались те 
предметы, которые нравились похожим пользователям. 
Этот подход получил название коллаборативной фильтра-
ции и его обоснование состоит в том, что если пользователь 
согласился в прошлом с другими пользователями, то и дру-
гие рекомендации, исходящие от этих пользователей, долж-
ны быть для него актуальны. 

---

«Общество и цивилизация в ХХI веке: тенденции и перспективы развития» 
203 
С развитием веб-сайтов электронной коммерции воз-
никла необходимость предоставления рекомендаций, полу-
ченных в результате фильтрации всего ассортимента. Поль-
зователям было трудно сделать самостоятельный выбор из 
огромного разнообразия предметов или услуг. Рекоменда-
тельные системы показали себя как эффективное средство 
решения проблемы информационной перегрузки. 
Помимо коллаборативной фильтрации, которая форми-
рует рекомендации на основе мнения других пользователей, 
существует подход формирования рекомендаций на основе 
оценённых пользователем предметов. Каждый предмет в 
коллекции имеет определённое число атрибутов, характе-
ризующих этот предмет, которые могут быть использованы 
для других, похожих на него предметов. Такие системы по-
лучили название рекомендательные системы, основанные на 
содержании. 
Эффективность работы рекомендательных систем, ос-
нованных на содержании, напрямую зависит от числа атри-
бутов, характеризующих каждый предмет. Наиболее удач-
ной областью применения такого подхода являются систе-
мы, оперирующие текстовыми документами, поскольку в 
качестве идентифицирующих атрибутов можно использо-
вать их содержание. 
Существует множество работ, описывающих методику 
формирования рекомендаций, на основе содержания доку-
ментов. Анализ содержания является универсальным под-
ходом, поскольку все возможные виды документов (книги, 
статьи, отчеты, веб-страницы и т. д.) содержат текстовую 
информацию. 
В настоящее время, большинство документов хранится 
в электронных форматах, которые позволяют форматиро-
вать содержимое и задавать определенную структуру, такую 
как оглавления, нумерация разделов, таблиц, изображений и 
т. д. Учет особенности этой структуры должен повысить 
качество рекомендаций, по сравнению с одним из классиче-

---

«Общество и цивилизация в ХХI веке: тенденции и перспективы развития» 
204 
ских подходов, учета одного лишь набора лексем докумен-
тов. 
В большинстве алгоритмов, вес лексемы зависит от то-
го, как часто она встречается в конкретном документе, и как 
часто во всей коллекции. Чем чаще лексема встречается в 
коллекции документов, тем хуже она идентифицирует кон-
кретный документ, и поэтому её вес меньше. При учете 
особенности структуры документа, можно, например, уве-
личить вес лексемам, которые являются оглавлениями раз-
делов, так как они фактически описывают их смысл.
Как уже говорилось ранее, формирование рекоменда-
ций зависит только от лексем документов. В ситуации, ко-
гда имеется два идентичных по набору лексем документа, 
но один из них содержит изображения, то он никак не выде-
ляется в текущих алгоритмах. Очевидно, что его нужно 
ранжировать выше. 
В документах могут содержаться таблицы, которые ча-
сто содержат важную информацию. В текущих алгоритмах 
эти лексемы учитываются так же, как и все остальные. Если 
таблица содержит цифры, то они и вовсе не учитываются. 
Для придания таблицам большей значимости, можно выде-
лить её заголовок, который фактически описывает её смысл, 
и поступить с ним так же, как с оглавлениями разделов. 
Современные форматы электронных документов обла-
дают большими возможностями, а также постоянно разви-
ваются. По мнению автора, учет их возможностей в форми-
ровании рекомендаций является достаточно перспективным 
направлением развития рекомендательных систем для до-
кументов. 
Вывод: в статье автор предпринял попытку показать 
проблемы рекомендательных систем, основанных на содер-
жании, а также предложено одно из возможных направле-
ний их развития.