Search academic texts

Information × Registration Number 2119U007389, Article popup.category Бакалаврська робота Title Рекомендаційна система товарів (AI translated) popup.author Тарнавський Максим ВікторовичTarnavskyi Maksym Viktorovych popup.publication 01-06-2019 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/29220 popup.publisher Київ Description Дипломна робота: 81 с., 7 табл., 27 рис., 2 дод., 21 джерел. Мета роботи – розробка рекомендаційної системи для вибору фільмів. Об'єкт дослідження – рекомендаційні системи товарів. Предмет дослідження – методи та алгоритми формування рекомендацій. Методи дослідження – методи колаборативної фільтрації, контентні методи та їх поєднання. У роботі проаналізовано методи формування рекомендацій, проведений огляд існуючих рекомендаційних систем. Результатом роботи є запропонований власний алгоритм формування рекомендацій на основі дворівневої моделі, яка поєднує підходи контентної та колаборативної фільтрації. Практичним результатом роботи є розробка рекомендаційної системи відео для користувачів онлайн кінотеатру компанії Megogo. Результати даної роботи рекомендовано використовувати у випадках, коли необхідно сформувати рекомендацію у вигляді списку товарів. Шляхи подальшого розвитку предмету дослідження – доцільно звернути увагу на проблему “холодного старту” та спосіб оцінки якості моделі шляхом отримання явного відгуку від користувачів. Thesis: 81 p., 27 fig., 7 tabl., 2 appendixes, 21 sources. The object of the research is the goods recommender system. The subject of the research is the methods and algorithms for forming recommendations. Methods of research - methods of collaborative filtering, content methods and their combination. The paper analyzes the methods of forming recommendations and reviews the existing recommender systems. The result of the work is the proposed own algorithm for the formation of recommendations based on a two-tier model, which combines the approaches of content and collaborative filtration. The practical result is the development of a recommendation video system for users of the online cinema company Megogo. The results of this work are recommended to be used in cases when it is necessary to formulate a recommendation in the form of a list of goods. Ways of further development of the subject of research - it is advisable to pay attention to the problem of "cold start" and how to assess the quality of the model by obtaining explicit feedback from users. popup.nrat_date 2025-11-05 Close