Применение алгоритмов машинного обучения для персонализации товарных рекомендаций в мобильных торговых системах

Abstract

В работе представлен анализ алгоритмов машинного обучения, применяемых для построения систем персонализированных рекомендаций в мобильных торговых платформах. Рассматриваются эволюция от классических методов фильтрации к современным глубоким нейросетевым архитектурам, а также гибридные подходы, сочетающие преимущества различных парадигм. Оцениваются точность предсказаний, вычислительная сложность, адаптивность к динамике пользовательского поведения и особенности развертывания моделей в условиях ограниченных ресурсов мобильных устройств и нестабильных каналов связи.