procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.35266/1999-7604-2024-4-4procyber-622Research ArticleТЕХНИЧЕСКИЕ НАУКИEngeneeringНейросетевая рекомендательная система по подбору контента для онлайн-кинотеатровNeural network-based recommendation system for content selection in online movie theatreshttps://orcid.org/0009-0003-5564-2027КожиховаК. Е.KozhikhovaK. E.

аспирант

Postgraduate

kozhikhova_ksenia@mail.ruhttps://orcid.org/0000-0003-1851-1039ТаракановД. В.TarakanovD. V.

кандидат технических наук, доцент

Candidate of Sciences (Engineering), Docent

https://orcid.org/0000-0001-5274-4296ЧалейИ. В.ChaleyI. V.

доктор технических наук, профессор

Doctor of Sciences (Engineering), Professor

Сургутский государственный университет, СургутРоссияSurgut State University, SurgutRussian FederationПАО «Сургутнефтегаз», СургутРоссия“Surgutneftegas” PJSC, SurgutRussian Federation2024241220242343452Copyright © Кожихова К.Е., Тараканов Д.В., Чалей И.В., 20242024Кожихова К.Е., Тараканов Д.В., Чалей И.В.Kozhikhova K.E., Tarakanov D.V., Chaley I.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/622

В статье проведен сравнительный анализ по таким критериям оценки качества, как нагрузка на систему, объем потребляемой оперативной памяти, время, затраченное на обучение, RMSE (корень из среднеквадратичной ошибки), MAE (средняя абсолютная ошибка), FCP (процент прогнозируемого покрытия) и MSE (среднеквадратичная ошибка). С помощью математических методов принятия решений был выбран самый практичный алгоритм – система на архитектуре DLRM, которая продемонстрировала наилучшие результаты по точности и гибкости в обработке большого объема данных, несмотря на высокую ресурсозатратность. Реализация выбранного алгоритма включала разработку самого алгоритма, проектирование базы данных, создание графического интерфейса пользователя и разработку.

The article describes a comparative analysis using the following quality assessment criteria: system load, RAM consumption, time spent on training, RMSE (Root Mean Square Error), MAE (Mean Absolute Error), FCP (First Contentful Paint) and MSE (Mean Square Error). Using mathematical decision-making methods, the most practical algorithm was selected, a system based on DLRM (Deep Learning Recommendation Model) architecture, which showed the best results in terms of accuracy and fl exibility in processing large amounts of data, despite having high resource intensiveness. The implementation of the selected algorithm included the development of the algorithm itself, database design, creation of a graphical user interface and development.

рекомендательные системыанализ данныхмашинное обучениематематические методы принятия решенийнейронные сетибаза данныхграфический интерфейспрограммный интерфейсrecommendation systemsdata analysismachine learningdecision-making mathematical methodsneural networksdatabasegraphical interfaceprogram interfaceReferencesГлубокое погружение в рекомендательную систему Netfl ix. Хабр : офиц. сайт. URL: https://habr.com/ru/articles/677396/ (дата обращения: 24.06.2024).Глубокое погружение в рекомендательную систему Netfl ix. Хабр : офиц. сайт. URL: https://habr.com/ru/articles/677396/ (дата обращения: 24.06.2024).10 Remarkable Real-World Examples of Recommender Systems. URL: https://appstekcorp.com/blog/10-remarkable-real-world-examples-of-recommend-er-systems/ (дата обращения: 24.06.2024).10 Remarkable Real-World Examples of Recommender Systems. URL: https://appstekcorp.com/blog/10-remarkable-real-world-examples-of-recommend-er-systems/ (дата обращения: 24.06.2024).Deep Dive into Netfl ix’s Recommender System. Medium. URL: https://towardsdatascience.com/deep-dive-into-netflixs-recommender-system-341806ae3b48 (дата обращения: 24.06.2024).Deep Dive into Netfl ix’s Recommender System. Medium. URL: https://towardsdatascience.com/deep-dive-into-netflixs-recommender-system-341806ae3b48 (дата обращения: 24.06.2024).How retailers can keep up with consumers. URL: https://www.mckinsey.com/industries/retail/our-in-sights/how-retailers-can-keep-up-with-consumers (дата обращения: 24.06.2024).How retailers can keep up with consumers. URL: https://www.mckinsey.com/industries/retail/our-in-sights/how-retailers-can-keep-up-with-consumers (дата обращения: 24.06.2024).Recommender systems: benefits and practical guidelines for software professionals. URL: https://swforum.eu/online-sw-forum/software-technology/6/recommender-systems-benefits-and-practical-guidelines (дата обращения: 24.06.2024).Recommender systems: benefits and practical guidelines for software professionals. URL: https://swforum.eu/online-sw-forum/software-technology/6/recommender-systems-benefits-and-practical-guidelines (дата обращения: 24.06.2024).Python: Skillfactory media. Честные истории о карьере в IT. URL: https://blog.skillfactory.ru/glossary/python/ (дата обращения: 24.06.2024).Python: Skillfactory media. Честные истории о карьере в IT. URL: https://blog.skillfactory.ru/glossary/python/ (дата обращения: 24.06.2024).Библиотека NumPy: всё, что нужно знать новичку. URL: https://skillbox.ru/media/code/biblioteka-numpy-vsye-chto-nuzhno-znat-novichku/ (дата обра- щения: 24.06.2024).Библиотека NumPy: всё, что нужно знать новичку. URL: https://skillbox.ru/media/code/biblioteka-numpy-vsye-chto-nuzhno-znat-novichku/ (дата обра- щения: 24.06.2024).Работаем с Pandas: основные понятия и реальные данные. URL: https://skillbox.ru/media/code/rabotaem-s-pandas-osnovnye-ponyatiya-i-realnye-dannye/ (дата обращения: 24.06.2024).Работаем с Pandas: основные понятия и реальные данные. URL: https://skillbox.ru/media/code/rabotaem-s-pandas-osnovnye-ponyatiya-i-realnye-dannye/ (дата обращения: 24.06.2024).Библиотека Scikit-learn: как создать свой первый ML-проект. Skillbox. URL: https://skillbox.ru/media/code/biblioteka-scikitlearn-kak-sozdat-svoy-pervyy-mlproekt/ (дата обращения: 24.06.2024).Библиотека Scikit-learn: как создать свой первый ML-проект. Skillbox. URL: https://skillbox.ru/media/code/biblioteka-scikitlearn-kak-sozdat-svoy-pervyy-mlproekt/ (дата обращения: 24.06.2024).Keras: библиотека глубокого обучения на Python. URL: https://ru-keras.com/home/ (дата обращения: 24.06.2024).Keras: библиотека глубокого обучения на Python. URL: https://ru-keras.com/home/ (дата обращения: 24.06.2024).Overview. A Python scikit for recommender systems. URL: https://surpriselib.com/ (дата обращения: 24.06.2024).Overview. A Python scikit for recommender systems. URL: https://surpriselib.com/ (дата обращения: 24.06.2024).csv – CSV File Reading and Writing. URL: https:// docs.python.org/3/library/csv.html (дата обращения: 24.06.2024).csv – CSV File Reading and Writing. URL: https:// docs.python.org/3/library/csv.html (дата обращения: 24.06.2024).Библиотека os. Все о Python. Программирование на Python 3. URL: https://all-python.ru/osnovy/os.html (дата обращения: 24.06.2024).Библиотека os. Все о Python. Программирование на Python 3. URL: https://all-python.ru/osnovy/os.html (дата обращения: 24.06.2024).time – Time access and conversions. URL: https://docs.python.org/3/library/time.html (дата обращения: 24.06.2024).time – Time access and conversions. URL: https://docs.python.org/3/library/time.html (дата обращения: 24.06.2024).psutil documentation. URL: https://psutil.readthedocs.io/en/latest/index.html (дата обращения: 24.06.2024).psutil documentation. URL: https://psutil.readthedocs.io/en/latest/index.html (дата обращения: 24.06.2024).Фреймворк Flask: как он работает и зачем нужен. URL: https://skillbox.ru/media/code/freymvork-flask-kak-on-rabotaet-i-zachem-nuzhen/ (дата обращения: 24.06.2024).Фреймворк Flask: как он работает и зачем нужен. URL: https://skillbox.ru/media/code/freymvork-flask-kak-on-rabotaet-i-zachem-nuzhen/ (дата обращения: 24.06.2024).How to Connect and Operate PostgreSQL with Python Using psycopg2 Lib. URL: https://geekpython.in/integrate-postgresql-database-in-python (дата обращения: 24.06.2024).How to Connect and Operate PostgreSQL with Python Using psycopg2 Lib. URL: https://geekpython.in/integrate-postgresql-database-in-python (дата обращения: 24.06.2024).tkinter – Python interface to Tcl/Tk. URL: https://docs.python.org/3/library/tkinter.html (дата обращения: 24.06.2024).tkinter – Python interface to Tcl/Tk. URL: https://docs.python.org/3/library/tkinter.html (дата обращения: 24.06.2024).pickle – Python object serialization. URL: https://docs.python.org/3/library/pickle.html (дата обращения: 24.06.2024).pickle – Python object serialization. URL: https://docs.python.org/3/library/pickle.html (дата обращения: 24.06.2024).GUI: Skillfactory media. Честные истории о карьере в IT. URL: https://blog.skillfactory.ru/glossary/gui/ (дата обращения: 24.06.2024).GUI: Skillfactory media. Честные истории о карьере в IT. URL: https://blog.skillfactory.ru/glossary/gui/ (дата обращения: 24.06.2024).

The authors declare that there are no conflicts of interest present.