Разработка алгоритма повышения релевантности рекомендаций в сервисах онлайн-знакомств с использованием нейронных сетей

В представленной статье рассматривается алгоритм для оценки привлекательности потенциальных партнеров в контексте онлайн-знакомств. Алгоритм использует две нейронные сети: генеративную и сверточную. Генеративная нейронная сеть создает визуальные профили на основе различных параметров привлекательности, в то время как сверточная нейронная сеть анализирует и извлекает эти параметры из изображений реальных пользователей. Такой подход позволяет динамически адаптировать предпочтения пользователей, обеспечивая высокую релевантность рекомендаций даже при ограниченной выборке кандидатов в отдельно взятом регионе. Метод, описанный в статье, направлен на значительное улучшение пользовательского опыта и повышение успешности знакомств в онлайн-среде. Благодаря использованию нейронных сетей алгоритм способен учитывать индивидуальные предпочтения пользователей и адаптироваться к ним в режиме реального времени. Это делает рекомендации более точными и персонализированными, что, в свою очередь, способствует созданию более глубоких и качественных межличностных связей. Исследование также подчеркивает важность формирования стабильных и счастливых отношений в долгосрочной перспективе. Представленный подход способствует этому, обеспечивая пользователям более удовлетворительный и результативный опыт в онлайн-знакомствах. Таким образом, использование алгоритмов и нейронных сетей в сфере онлайн-знакомств имеет потенциал для значительного улучшения качества взаимодействий и межличностных связей, что является важным аспектом в современной цифровой эпохе.

1. Малахов Ю.А., Андросов А.А., Аверченков А.В. Анализ и применение генеративно-состязательных сетей для получения изображений высокого качества. Эргодизайн. 2020;(4):167–176. https://doi.org/10.30987/2658-4026-2020-4-167-176

2. Пчелинцев С.Ю., Ляшков М.А., Ковалева О.А. Метод создания синтетических наборов данных для обучения нейросетевых моделей распознаванию объектов. Информационно-управляющие системы. 2022;(3):9–19. https://doi.org/10.31799/1684-8853-2022-3-9-19

3. Окунев С.В. Применение аугментации и генеративно-состязательной нейронной сети для увеличения наборов данных. В сборнике: Актуальные проблемы авиации и космонавтики: Сборник материалов VI Международной научно-практической конференции, посвященной Дню космонавтики: В 3-х томах: Том 2, 13-17 апреля 2020 года, Красноярск, Россия. Красноярск: Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева; 2020. С. 162–164.

4. Ганеева Ю.Х., Мясников Е.В. Метод идентификации личности по радужной оболочке глаза с использованием нейросетевого подхода на этапах сегментации и формирования признакового представления. Компьютерная оптика. 2022;46(2):308–316. https://doi.org/10.18287/2412-6179-CO-1023

5. Браницкий А.А., Шарма Я.Д., Котенко И.В., Федорченко Е.В., Красов А.В., Ушаков И.А. Определение психического состояния пользователей социальной сети Reddit на основе методов машинного обучения. Информационно управляющие системы. 2022;(1):8–18. https://doi.org/10.31799/1684-8853-2022-1-8-18

6. Бычков А.Г., Киселёва Т.В., Маслова Е.В. Использование сверточных нейросетей для классификации изображений. Вестник Сибирского государственного индустриального университета. 2023;(1):39–49. https://doi.org/10.57070/2304-4497-2023-1(43)-39-49

7. Друки А.А. Система поиска, выделения и распознавания лиц на изображениях. Известия Томского политехнического университета. 2011;318(5):64–70.

8. Меньшикова Н.В., Портнов И.В., Николаев И.Е. Обзор рекомендательных систем и возможностей учета контекста при формировании индивидуальных рекомендаций. Academy. 2016;(6):20–22.

9. Панкратова Л.С. Этические проблемы и политика регулирования внедрения технологий искусственного интеллекта в сервисы онлайн-знакомств. Азимут научных исследований: экономика и управление. 2019;8(4):47–50.

10. Старых Н.В. Девиантное поведение в интернет-коммуникации: диагностика и профилактика. Медиалингвистика. 2020;7(4):516–530. https://doi.org/10.21638/spbu22.2020.410

11. Богданов М.Б., Смирнов И.Б. Возможности и ограничения цифровых следов и методов машинного обучения в социологии. Мониторинг общественного мнения: экономические и социальные перемены. 2021;(1):304–328. https://doi.org/10.14515/monitoring.2021.1.1760

12. Константинов И.А. Управление рисками IT-проекта в сфере знакомств. E-Scio. 2020;(6):610–623.