В настоящее время рекомендательные системы, основанные на методах и технологиях искусственного интеллекта, обеспечивают эффективную поддержку принятия управленческих решений в различных сферах деятельности. Рекомендательные системы являются одним из важнейших конкурентных преимуществ онлайн-платформ. В статье предложены проектные решения по разработке рекомендательного сервиса для онлайн-кинотеатра. Современные рекомендательные системы онлайн-кинотеатров преимущественно ориентированы на предоставление рекомендаций на основе анализа свойств контента по истории просмотров пользователя или коллаборативной фильтрации по определенным схожим параметрам пользователей. Традиционный подход к разработке рекомендаций имеет ряд преимуществ, однако не позволяет учитывать предпочтения и настроения пользователя в конкретный момент времени. Применение семантического поиска для генерации рекомендательной выдачи фильмов пользователю на основе текстового запроса может обеспечить эффективную поддержку принятия решений в выборе фильмов. В качестве математического инструментария обработки естественного языка для решения поставленной задачи предлагается использовать технологии нейронных сетей. Авторами описывается методология разработки рекомендательной системы, включающая процессы автоматизации сбора информации о фильмах, предобработку текстовых данных, семантическое моделирование отзывов пользователей, ранжирование фильмов по выбранным приоритетам. Приводятся результаты программной реализации модели искусственной нейронной сети и Telegram-бота для отправки запросов пользователей с использованием библиотек языка программирования Python, сформулированы возможные пути улучшения качества рекомендаций, предоставляемых моделью. Разработка персонального контентного предложения для каждого пользователя на основе его запросов посредством реализации рекомендательной системы позволит онлайн-платформе повысить лояльность имеющихся пользователей и привлечь новые группы пользователей, обеспечит поддержку управленческих решений по размещению контента.
Currently, recommender systems based on artificial intelligence methods and technologies provide effective support for management decisions in various fields of activity. Recommender systems are one of the most important competitive advantages of online platforms. The article proposes design solutions for developing a recommendation service for an online cinema. Modern recommendation systems for online cinemas are primarily focused on providing recommendations based on analysis of content properties based on the user’s viewing history or collaborative filtering based on certain similar user parameters. The traditional approach to developing recommendations has a number of advantages, but does not allow taking into account the preferences and moods of the user at a particular point in time. Using semantic search to generate movie recommendations for a user based on a text query can provide effective decision support for movie selection. It is proposed to use neural network technologies as mathematical tools for natural language processing to solve the problem. The authors describe the methodology for developing a recommendation system, which includes processes for automating the collection of information about films, preprocessing of text data, semantic modeling of user reviews, ranking films according to selected priorities. The results of a software implementation of an artificial neural network model and a Telegram bot for sending user requests using Python programming language libraries are presented, and possible ways to improve the quality of recommendations provided by the model are formulated. Developing a personal content offer for each user based on his requests through the implementation of a recommendation system will allow the online platform to increase the loyalty of existing users and attract new groups of users, and will provide support for management decisions on content placement.