Параметри
Рекомендаційна система підбору фільмів
Дата випуску :
2022
Автор(и) :
Лаврій Софія Петрівна
Анотація :
У кваліфікаційній роботі проведено аналіз сучасних підходів до формування рекомендацій, розглянуто метрики оцінювання якості наданих рекомендацій, розроблено програмне забезпечення, що надає персональні рекомендації фільмів, на основі попередніх оцінок користувачів та інтерфейс, який транслює отримані рекомендації користувачеві. У ході виконання дипломної роботи було розроблено рекомендаційну систему методом колаборативної фільтрації та на основі змісту. Обрано було 2 найпопулярніших підходи для того аби порівняти, які результати вони дають та максимально урізноманітнити рекомендовані фільми. Перший спосіб підбирає фільми, які можуть сподобатись користувачеві на основі схожих до нього користувачів, а інший знаходить фільми, які найбільш схожі на ті, що йому вже сподобались.
Також у роботі було розглянуто та детально описано методи оцінювання рекомендацій, адже важливо, щоб користувач був задоволеним підбіркою. Основними метриками оцінювання є точність прогнозування оцінки. Ця метрика є важливою, адже саме на основі прогнозів оцінок формується кінцева підбірка фільмів. Ще однією метрикою, яка є не менш важливою - це релевантність наданих рекомендацій. Система може точно прогнозувати оцінку, але чи сподобаються фільми, які потрапили в підбірку користувачеві? Тому необхідно оцінювати скільки фільмів користувачу сподобалось з підбірки, проте ця оцінка можлива лише, коли система є діючою та можна відслідкувати вподобання користувача. Для того, аби презентувати персоналізовані рекомендації користувачу, було розроблено сайт, на якому є сторінка з топ-10 найпопулярніших фільмів та топ-10 фільмів з найвищою оцінкою. Є сторінка з підбіркою рекомендацій на основі колаборативної фільтрації та на основі вмісту. Також користувач має змогу переглянути вже оцінені фільми, та фільми зі списку бажань. Користувач, який є новий для системи не отримає персональних рекомендацій, поки не проставить оцінки на фільми, які вже бачив.
Також у роботі було розглянуто та детально описано методи оцінювання рекомендацій, адже важливо, щоб користувач був задоволеним підбіркою. Основними метриками оцінювання є точність прогнозування оцінки. Ця метрика є важливою, адже саме на основі прогнозів оцінок формується кінцева підбірка фільмів. Ще однією метрикою, яка є не менш важливою - це релевантність наданих рекомендацій. Система може точно прогнозувати оцінку, але чи сподобаються фільми, які потрапили в підбірку користувачеві? Тому необхідно оцінювати скільки фільмів користувачу сподобалось з підбірки, проте ця оцінка можлива лише, коли система є діючою та можна відслідкувати вподобання користувача. Для того, аби презентувати персоналізовані рекомендації користувачу, було розроблено сайт, на якому є сторінка з топ-10 найпопулярніших фільмів та топ-10 фільмів з найвищою оцінкою. Є сторінка з підбіркою рекомендацій на основі колаборативної фільтрації та на основі вмісту. Також користувач має змогу переглянути вже оцінені фільми, та фільми зі списку бажань. Користувач, який є новий для системи не отримає персональних рекомендацій, поки не проставить оцінки на фільми, які вже бачив.
Бібліографічний опис :
Лаврій С. П. Рекомендаційна система підбору фільмів : випускна кваліфікаційна робота бакалавра : 122 Комп’ютерні науки / Лаврій Софія Петрівна. - Київ, 2022. – 66 с.
Файл(и) :
Вантажиться...
Формат
Adobe PDF
Розмір :
2.5 MB
Контрольна сума:
(MD5):c2326944ea3df9c68cf1dfa363136853
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY-NC