ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ЭЛЕКТРОННОЙ КОММЕРЦИИ: АЛГОРИТМЫ РЕКОМЕНДАЦИЙ И ИХ ВЛИЯНИЕ НА ПОВЕДЕНИЕ ПОЛЬЗОВАТЕЛЕЙ
Gespeichert in:
| Titel: | ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ЭЛЕКТРОННОЙ КОММЕРЦИИ: АЛГОРИТМЫ РЕКОМЕНДАЦИЙ И ИХ ВЛИЯНИЕ НА ПОВЕДЕНИЕ ПОЛЬЗОВАТЕЛЕЙ |
|---|---|
| Verlagsinformationen: | Вестник науки, 2025. |
| Publikationsjahr: | 2025 |
| Schlagwörter: | искусственный интеллект, электронная коммерция, recommendation systems, content filtering, artificial intelligence, рекомендательные системы, hybrid methods, collaborative filtering, user experience, контентная фильтрация, e-commerce, пользовательский опыт, коллаборативная фильтрация, гибридные методы |
| Beschreibung: | В данной статье рассмотрены алгоритмы рекомендаций, применяемые в электронной коммерции, и их влияние на поведение пользователей. Проведен анализ различных типов алгоритмов рекомендаций, включая коллаборативную фильтрацию, контентную фильтрацию и гибридные методы. Особое внимание уделено практическому применению данных алгоритмов в таких платформах, как Amazon, Netflix, Spotify и другие. В статье также обсуждаются потенциальные риски, связанные с использованием рекомендательных систем, такие как создание фильтрационных пузырей и нарушение конфиденциальности. Результаты исследования подчеркивают значимость алгоритмов рекомендаций для улучшения пользовательского опыта и увеличения коммерческих показателей, а также выявляют направления для дальнейших исследований. This article discusses recommendation algorithms used in e-commerce and their impact on user behavior. The analysis of various types of recommendation algorithms, including collaborative filtering, content filtering and hybrid methods, is carried out. Special attention is paid to the practical application of these algorithms in platforms such as Amazon, Netflix, Spotify and others. The article also discusses the potential risks associated with using recommendation systems, such as creating filtration bubbles and violating privacy. The results of the study highlight the importance of recommendation algorithms for improving user experience and increasing commercial performance, as well as identify areas for further research. |
| Publikationsart: | Research |
| DOI: | 10.24412/2712-8849-2025-485-97-101 |
| Rights: | CC BY |
| Dokumentencode: | edsair.doi...........ba0b8b9482d7c882d5b09a096501c13c |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | В данной статье рассмотрены алгоритмы рекомендаций, применяемые в электронной коммерции, и их влияние на поведение пользователей. Проведен анализ различных типов алгоритмов рекомендаций, включая коллаборативную фильтрацию, контентную фильтрацию и гибридные методы. Особое внимание уделено практическому применению данных алгоритмов в таких платформах, как Amazon, Netflix, Spotify и другие. В статье также обсуждаются потенциальные риски, связанные с использованием рекомендательных систем, такие как создание фильтрационных пузырей и нарушение конфиденциальности. Результаты исследования подчеркивают значимость алгоритмов рекомендаций для улучшения пользовательского опыта и увеличения коммерческих показателей, а также выявляют направления для дальнейших исследований.<br />This article discusses recommendation algorithms used in e-commerce and their impact on user behavior. The analysis of various types of recommendation algorithms, including collaborative filtering, content filtering and hybrid methods, is carried out. Special attention is paid to the practical application of these algorithms in platforms such as Amazon, Netflix, Spotify and others. The article also discusses the potential risks associated with using recommendation systems, such as creating filtration bubbles and violating privacy. The results of the study highlight the importance of recommendation algorithms for improving user experience and increasing commercial performance, as well as identify areas for further research. |
|---|---|
| DOI: | 10.24412/2712-8849-2025-485-97-101 |