Аннотация:Рекомендательные системы были одним из первых массовых применений анализа данных в самых разных областях. Причиной является прозрачный для конечных пользователей их конечный результат (рекомендации) и понятные метрики измерения качества их работы. Конечные пользователи всегда могут оценить полезность рекомендаций, формальные измерения всегда могут оперировать конверсией, чтобы под ней не подразумевалось – покупки рекомендованных товаров, переходы по ссылкам и т.п. Чаще всего работа рекомендательных систем основана на обобщении и анализе предпочтений других пользователей (что включает рассмотрение различных аспектов их поведения), и имеющейся информации о текущем пользователе. Вместе с тем, есть класс задач, когда рекомендации должны (или только и могут) основываться на текущих действиях пользователя. Например, в системе электронной коммерции неавторизованный (анонимный) пользователь посещает различные страницы сайта. Или предпочтения пользователя в системе носят только краткосрочный характер. Все эти примеры характерны для отдельного большого класса рекомендательных систем – рекомендательных систем для сессий, где под сессией понимается последовательность действий пользователя. Рекомендательная система в таком случае решает одну из трех задач: рекомендует следующий товар (контент, активность и т.п.) в рамках текущей сессии, рекомендует следующие товары (активности и т.п.) до конца текущей сессии, рекомендует следующую возможную сессию. В статье содержится обзор описанных задач и моделей для такого рода рекомендательных систем.