https://libeldoc.bsuir.by/handle/123456789/63909| Title: | Применение тригонометрических функций и косинусной меры в рекомендательных алгоритмах социальных сетей |
| Other Titles: | Application of trigonometric functions and cosine similarity in recommendation algorithms for social networks |
| Authors: | Бугаёв, П. А. Стрелко, А. А. |
| Keywords: | материалы конференций;тригонометрические функции;косинусная мера;векторные представления;рекомендательные алгоритмы;коллаборативная фильтрация;эмбеддинги;временная динамика;гибридные методы |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Бугаёв, П. А. Применение тригонометрических функций и косинусной меры в рекомендательных алгоритмах социальных сетей = Application of trigonometric functions and cosine similarity in recommendation algorithms for social networks / П. А. Бугаёв, А. А. Стрелко // Компьютерные системы и сети : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 355–361. |
| Abstract: | Исследование посвящено математическим основам работы рекомендательных систем в современных социальных сетях и стриминговых платформах. Рассматривается преобразование действий пользователя в числовые векторы (эмбеддинги) и применение косинусной меры сходства для оценки близости интересов. Разработан комбинированный метод формирования итоговой оценки релевантности 𝑅(𝑢,𝑣), объединяющий косинусное сходство предпочтений, экспоненциальное временное затухание и нормализованный штраф популярности. Метод обоснован теоретически и проверен экспериментально на синтетическом датасете структуры MovieLens: NDCG@10 улучшается на +4,9%, Precision@10 – на +5,0%, средняя популярность рекомендаций снижается на 27,6% по сравнению с базовым косинусным подходом. |
| Alternative abstract: | This paper examines the mathematical foundations of recommendation systems in modern social networks. We analyse the application of cosine similarity for measuring user preference proximity and propose a combined recommendation method integrating cosine similarity, exponential temporal decay, and a popularity penalty. Experimental evaluation shows NDCG@10 improves by +4.9% and Precision@10 by +5.0% over the cosine baseline, while average recommendation popularity decreases by 27.6%. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63909 |
| Appears in Collections: | Компьютерные системы и сети : материалы 62-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Bugayov_Primenenie.pdf | 994.6 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.