Узагальнення методу колаборативної фільтрації з урахуванням семантичного та часового фактору
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Шелякін Гліб Вячеславович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Шелякін, Г. В. (2023). Узагальнення методу колаборативної фільтрації з урахуванням семантичного та часового фактору [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/4961
[ДСТУ] Шелякін Г. В. Узагальнення методу колаборативної фільтрації з урахуванням семантичного та часового фактору : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 65 с. URL: https://ir.library.knu.ua/handle/123456789/4961 (дата звернення: 25.07.2026).
Об’єктом дослідження є метод колаборативної фільтрації контенту на основі порівняння об’єктів рекомендацій.
Предметом дослідження є використання часового та семантичного фактору, а також кластеризації даних як засобів впливу на кінцевий результат рекомендацій та покращення якості рекомендованого контенту.
Метою роботи є узагальнити метод колаборативної фільтрації з використанням часового фактору, семантичної подібності та кластеризації даних для покращення якості рекомендацій.
Методи розроблення: наївний метод колаборативної фільтрації; модифікований метод колаборативної фільтрації з урахуванням часового фактору; модифікований метод колаборативної фільтрації з урахуванням семантичної близькості, використовуючи пакет spaCy; метод кластерного аналізу HDBSCAN.
Інструменти розроблення: безкоштовне, вільно поширюване інтегроване середовище розробки VSCode, мова програмування Python.
Значимість роботи полягає в удосконаленні алгоритму рекомендацій шляхом інтегрування часового та семантичного факторів, а також методу кластерного аналізу з метою зменшення навантаження на систему та покращення якості рекомендацій шляхом відсіювання непотрібного контенту та збереження контексту під час рекомендацій.
Узагальнення алгоритму колаборативної фільтрації з використанням часового та семантичного фактору, а також методу кластерного аналізу, може знайти своє практичне застосування у сервісах інтернет-речей, як от стрімінговий сервіс, інтернет магазин тощо.
Предметом дослідження є використання часового та семантичного фактору, а також кластеризації даних як засобів впливу на кінцевий результат рекомендацій та покращення якості рекомендованого контенту.
Метою роботи є узагальнити метод колаборативної фільтрації з використанням часового фактору, семантичної подібності та кластеризації даних для покращення якості рекомендацій.
Методи розроблення: наївний метод колаборативної фільтрації; модифікований метод колаборативної фільтрації з урахуванням часового фактору; модифікований метод колаборативної фільтрації з урахуванням семантичної близькості, використовуючи пакет spaCy; метод кластерного аналізу HDBSCAN.
Інструменти розроблення: безкоштовне, вільно поширюване інтегроване середовище розробки VSCode, мова програмування Python.
Значимість роботи полягає в удосконаленні алгоритму рекомендацій шляхом інтегрування часового та семантичного факторів, а також методу кластерного аналізу з метою зменшення навантаження на систему та покращення якості рекомендацій шляхом відсіювання непотрібного контенту та збереження контексту під час рекомендацій.
Узагальнення алгоритму колаборативної фільтрації з використанням часового та семантичного фактору, а також методу кластерного аналізу, може знайти своє практичне застосування у сервісах інтернет-речей, як от стрімінговий сервіс, інтернет магазин тощо.
Галузі знань та спеціальності :
12 Інформаційні технології
124 Системний аналіз
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
947.3 KB
Контрольна сума :
(MD5):08a9e64a27a86eb19e9ccd2f7391a405
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International