Введение. 
Метод скользящего контроля для оценки качества рекомендательных интернет-сервисов

Современному Интернет-пользователю довольно часто приходится сталкиваться с рекомендательными системами. Например, приобретая книгу X в Интернет-магазине, пользователь такой системы получает рекомендации вида «другие пользователи вместе с книгой X приобрели также книги Y и Z». Также существует множество сервисов для рекомендации пользователю интересных сайтов, известных как сервисы социальных закладок. Нетехнологичным способом получения рекомендаций можно назвать совет друзей и знакомых. С ростом числа вещей, для выбора которых вам нужна рекомендация, мнения знакомых становится недостаточно, они могут просто не знать о новинках. В этой затруднительной ситуации помогает так называемая коллаборативная фильтрация [Golberg et al., 1992]. Методы рекомендательных систем, основанные на коллаборативной фильтрации, часто работают по довольно простой схеме. Они просматривают большую группу людей, находят тех из них, предпочтения которых близки к вашим, а затем создают список выбранных ими вещей и ранжируют его, в итоге предлагая вам N верхних предметов такого списка. Другим менее очевидным, но востребованным приложением является рекомендация словосочетаний в системах контекстной рекламы, где фирмы приобретают рекламные словосочетания, по которым поисковые системы могут находить их и выдавать рекламу на такой запрос. алгоритм пользователь синтетический.