Статья посвящена теоретическим основам и современным подходам к построению рекомендательных систем в сфере электронной коммерции. Рассмотрены типы систем – неперсонализированные, персонализированные, коллаборативная и контентная фильтрация, фильтрация на основе знаний, а также гибридные решения. Особое внимание уделено проблемам «холодного старта», методам оценки эффективности систем (MAE, MSE, RMSE, Precision, Recall, F1-measure), а также достоинствам и недостаткам применения рекомендательных систем для бизнеса и пользователей.
рекомендательные системы, электронная коммерция, персонализация, коллаборативная фильтрация, контентная фильтрация, гибридные системы, холодный старт, оценка эффективности, MAE, RMSE, Precision, Recall, F1-measure
1. Рикардо Б.А., Нильсен А. Современные подходы к построению рекомендательных систем // Информационные технологии и анализ данных. – 2023. – № 4. – С. 45-58.
2. Гусев И.В. Машинное обучение в системах персонализации интернет-коммерции // Электронная коммерция и цифровые платформы. – 2024. – Т. 12, № 2. – С. 33-47.
3. Кузнецов А.С., Смирнова Е.Ю. Анализ эффективности рекомендательных систем в онлайн-торговле // Вестник прикладной информатики. – 2023. – № 1. – С. 19-28.
4. Давыдова Н.П. Применение методов коллаборативной фильтрации в цифровом маркетинге // Информационные технологии и программирование. – 2024. URL: https://cyberleninka.ru (дата обращения: 10.10.2025).
5. Воронов М.Е., Левина Т.С. Рекомендательные системы как инструмент повышения конверсии в электронной коммерции // Современные технологии в экономике и бизнесе. – 2023. – № 6. – С. 57-66.
6. Goh H.A. Deep Learning Approaches for E-Commerce Recommendation Systems // International Journal of Computational Intelligence Systems. – Springer, 2023.
7. Nadukuda N. AI-Driven Personalization in E-Commerce: Techniques and Trends // International Journal of Artificial Intelligence & Applications (IJAIAP). – 2023. URL: https://iaeme.com (дата обращения: 10.10.2025).
