Rolul inteligentei artificiale in sistemele de recomandări

Abstract

Lucrarea analizează importanța și impactul utilizării inteligenței artificiale în optimizarea sistemelor de recomandare. În contextul actual al digitalizării accelerate, volumul mare de informații disponibile online creează necesitatea unor sisteme eficiente de filtrare și personalizare a conținutului pentru utilizatori. Structura lucrării este organizată în trei capitole principale care abordează atât aspectele teoretice, cât și cele practice ale implementării sistemelor de recomandări bazate pe inteligență artificială. Primul capitol, "Analiza domeniului de studiu", prezintă fundamentele teoretice și contextul actual al utilizării inteligenței artificiale în marketing. Sunt examinate tendințele și provocările din domeniu, cu accent pe modul în care personalizarea și analiza datelor la scară largă transformă practicile de marketing. Capitolul include argumentarea importanței temei de cercetare și stabilește obiectivele specifice ale studiului. De asemenea, sunt definite cerințele funcționale și non-funcționale pentru platforma web care urmează să fie dezvoltată în scopul cercetării. Al doilea capitol, "Sistemele de recomandări: generalități", oferă o analiză detaliată a aspectelor teoretice ale sistemelor de recomandări. Este prezentată evoluția acestor sisteme în era digitală, precum și rolul lor esențial în platformele online moderne. Sunt examinate principalele tehnici și algoritmi utilizați în dezvoltarea sistemelor de recomandare, cu focus pe filtrarea colaborativă și filtrarea bazată pe conținut. Un accent deosebit este pus pe rolul învățării automate și al tehnicilor avansate de inteligență artificială în îmbunătățirea performanței acestor sisteme. Capitolul trei, "Cercetarea și analiza sistemelor de recomandări", constituie partea practică a lucrării. Este descrisă metodologia cercetării, care include dezvoltarea unei platforme web pentru testarea și evaluarea diferitelor sisteme de recomandare. Sunt prezentate procedurile de colectare a datelor și profilul participanților la studiu. Cercetarea se concentrează pe evaluarea comparativă a cinci sisteme de recomandare diferite - două sisteme tradiționale și trei sisteme bazate pe inteligență artificială. Este realizată o analiză cost-beneficiu detaliată pentru fiecare tip de sistem, luând în considerare atât aspectele tehnice, cât și cele economice ale implementării. Studiul urmărește să ofere o imagine comprehensivă asupra rolului inteligenței artificiale în sistemele de recomandări, combinând analiza teoretică cu cercetarea empirică și oferind recomandări practice pentru implementarea acestor sisteme în diverse domenii de aplicare.

The paper analyzes the importance and impact of using artificial intelligence (AI) in optimizing recommendation systems. In the current context of accelerated digitalization, the vast amount of information available online creates the need for efficient systems to filter and personalize content for users. The structure of the paper is organized into three main chapters, addressing both theoretical and practical aspects of implementing AI-based recommendation systems. The first chapter, "Analysis of the Field of Study", presents the theoretical foundations and the current context of AI use in marketing. It examines trends and challenges in the field, emphasizing how personalization and large-scale data analysis are transforming marketing practices. This chapter includes the rationale for the research topic and establishes the specific objectives of the study. It also defines the functional and non-functional requirements for the web platform to be developed for research purposes.The second chapter, "Recommendation Systems: Overview", provides a detailed analysis of the theoretical aspects of recommendation systems. It presents the evolution of these systems in the digital age and highlights their essential role in modern online platforms. The chapter examines the main techniques and algorithms used in developing recommendation systems, focusing on collaborative filtering and content-based filtering. Special attention is given to the role of machine learning and advanced AI techniques in improving the performance of these systems. The third chapter, "Research and Analysis of Recommendation Systems", constitutes the practical part of the paper. It describes the research methodology, which includes developing a web platform for testing and evaluating various recommendation systems. The chapter details the data collection procedures and the profile of study participants. The research focuses on a comparative evaluation of five different recommendation systems—two traditional systems and three AI-based systems. A detailed cost-benefit analysis is conducted for each type of system, considering both the technical and economic aspects of implementation. The study aims to provide a comprehensive overview of the role of AI in recommendation systems, combining theoretical analysis with empirical research and offering practical recommendations for implementing these systems in various application domain.