Взаимодействие между клиентом и сервером

Взаимодействие между клиентской и серверной частью осуществляется при помощи POST-запросов. Клиент отправляет «сырые» данные о действиях пользователя в формате json, на сервере данные обрабатываются и сохраняются. После выполнения рекомендационных алгоритмов формируется запрос на новостной сервер для получения новостей из конкретных категорий, а после этого новости, которые пришли, отправляются на клиент пользователю.

Средства разработки Для разработки данной работы были выбраны следующие программные средства:

• · Клиентская часть
• o Visual Studio 2012
• o Blend
• o Windows Phone SDK
• · Серверная часть
• o Sublime Text 3
• o Google App Engine SDK
• o Python SDK
• o PyCharm

Анализ результатов

Тестирование При реализации систем использующих рекомендательные алгоритмы необходимо проверять результаты, полученные в результате их работы. Для получения рекомендаций в данной работе были использованы алгоритмы Weighted Slope One и алгоритм нахождения ближайшего соседа. Для проверки работы данных алгоритмов была создана тестовая выборка пользователей системы, состоящая из 200 пользователей, оценки которых задавались случайным числом от 0 до 5. Эта выборка в полной мере эмулирует реальных пользователей, которым могут иметь оценки для каких-либо статей, так и еще не читать их.

В ходе тестирования были проведены серии запусков алгоритмов на данных тестовых выборках. Для проверки результатов необходимо вычисление RMSE (Root Mean Square Error) — параметра, который выражается следующей формулой (10):

где.

Rate — прямая оценка, которая была поставлена

ExpectedRate — оценка, которая была получена в ходе работы алгоритма

n — количество объектов системы

RMSE позволяет вычислить точность прогноза (нужна ссылка). Для алгоритма Weighted Slope One параметр RMSE составил 0,9454, что является приемлемым для данного алгоритма результатом 7. Для сравнения, тривиальный алгоритм, выставляющий среднюю оценку для каждой категории рекомендаций имеет RMSE, равный 1,061, что показывает, что результаты Weighted Slope One лучше тривиального алгоритма примерно на 10%.

Для проверки алгоритма поиска ближайших соседей был создан новый тестовый набор пользователей. Часть тестовых данных имела оценки, полностью совпадающие с теми, которые имеет тот пользователь, для которого был осуществлен поиск ближайших соседей. Алгоритм показал данное сходство, показав результат, равный 1, что соответствует полному совпадению пользователей. Те же тестовые наборы, которые имели отличие в оценках категорий с оценками пользователя, показали более низкие результаты (от 0.783 до -0,54), что соответствует правильной работе алгоритма поиска ближайших соседей.

Клиентское приложение приложение, являющееся полноценным новостным клиентом, на данный момент находится в бета-тестировании в магазине Windows Phone Store.

Дальнейшее развитие проекта Так как новостные агрегаторы являются крайне востребованными на данный момент программами, а Windows Phone Store имеет некоторый дефицит в качественных приложениях, то развитие проекта будет продолжено. На данный момент существует два главных направления разработки:

• · Оптимизация серверной части;
• · Дальнейшая разработка клиента;

Для публикации приложения необходимо оптимизировать как работу алгоритмов поиска (кэширование промежуточных результатов), так и работу с запросами в целом, так как при увеличении количества пользователей будет превышен лимит на бесплатные квоты в Google App Engine. Для разработки клиента необходимо увеличить количество источников новостей, а также разнообразие новостных рубрик.

Для улучшения рекомендационной составляющей следует обратить внимание на гибридные решения, объединяющие существующее решение с лингвистическими подходами. Лингвистические методы могут увеличить точность определения категорий новостей даже в тех новостных элементах, где категория не проставлена явным образом.

Однако необходимо учитывать, что анализ текста каждой новости не является правильным путем, так как такие операции являются крайне дорогими как с точки зрения времени, так и точки зрения ресурсов серверной части.