European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Bayesian nonparametric methods for networks and recommender systems

Article Category

Article available in the following languages:

Analiza sieci

Zespół z UE opracował nowe metody analizy sieci wspierające handel elektroniczny. Nowe, skalowalne metody probabilistyczne mają przede wszystkim zastosowanie w systemach rekomendujących produkty, ale również przy tworzenia sieci w wielu szerokich zastosowaniach.

Gospodarka cyfrowa icon Gospodarka cyfrowa

Sieci wpływają na znaczną część współczesnego życia i na wszystkie jego aspekty. Sieci są przedmiotem badania w wielu kontekstach, ale zazwyczaj stosuje się do tego dość ograniczone bayesowskie metody parametryczne. Finansowany przez UE projekt BNPNET (Bayesian nonparametric methods for networks and recommender systems) służył do określenia i zastosowania w tym zagadnieniu nowych, nieparametrycznych metod bayesowskich. W szczególności prace odnosiły się do handlu elektronicznego, gdzie większość nabywców kupuje tylko kilka z wielu dostępnych przedmiotów. Nowe, skalowalne metody zastosowano do modelowania opartego na probabilistycznym modelowaniu dużych sieci i systemów rekomendujących dla sprzedaży elektronicznej. Praca ma jednak zastosowanie do wszystkich aspektów sieci, łącznie z tymi dotyczącymi biologii, nauk społecznych czy technologii informacyjnych. Badacze określili nowe klasy modeli statystycznych dla sieci. Modele ilustrują często znajdujący potwierdzenie w sieciach rzeczywistych aspekt polegający na tym, że większość kupujących kupuje tylko kilka przedmiotów. Modele również uwzględniają możliwe do interpretacji parametry, zapewniając lepsze zrozumienie struktury sieci. Modele BNPNET oferują łatwe w interpretacji właściwości w dużej skali. Dostępne są również algorytmy do uczenia się parametrów modelu. Głównym wynikiem badań była skojarzona klasa modeli tworzących wykresy „rzadkie”. Ten termin oznacza, że liczba połączeń sieciowych jest mniejsza niż liczba możliwych połączeń, jak w sytuacjach rzeczywistych. Testowanie udowodniło, że nowe modele były w stanie nauczyć się i oceniać poziom rzadkości w szerokiej gamie kontekstów zastosowania sieci w świecie rzeczywistym. Modele były również w stanie dokonać bardziej dokładnych prognoz dla tego typu wykresów. Projekt BNPNET zaowocował stworzeniem nowych, skalowalnych modeli sieci. Zostały one stworzone w celu zwiększenia efektywności aplikacji rekomendujących produkty w handlu elektronicznym.

Słowa kluczowe

Sieci, handel elektroniczny, systemy rekomendacji, metody bayesowskie, metody parametryczne, BNPNET

Znajdź inne artykuły w tej samej dziedzinie zastosowania