Разработка тренажёра А/В-тестирования для рекомендательной системы

 

Задание:

 

Представить рекомендательную систему как сервис, проводить А/В-тестирование на полученных данных.

Сервис должен возвращать десять книг как рекомендации для пользователя, эти книги не должны быть в списке прочитанных им ранее.

 

Решение:

 

В сервисе реализовано две модели:

CatBoostClassifier,

implicit

бейзлайн, который берёт книги из списка 40 самых популярных;

разработанная гибридная ML-модель, использующая ALS и контентные рекомендации.

 

Результат:

 

Сервис возвращает десять книг как рекомендации для пользователя, эти книги отсутствуют в списке прочитанных ранее.