Search academic texts

Information × Registration Number 2125U003042, Article popup.category Бакалаврська робота Title Гібридна рекомендаційна система з використанням текстів та відгуків користувачів (AI translated) popup.author Григор’єв Андрій ВолодимировичHryhoriev Andrii Volodymyrovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76207 popup.publisher Київ Description Дипломна робота: 121 с., 9 рис., 7 табл., 2 дод., 18 джерел. Тема: Гібридна рекомендаційна система з використанням текстів та відгуків користувачів. У роботі досліджено проблему підвищення якості рекомендацій у системах, що орієнтуються як на відгуки користувачів, так і на вміст об’єктів. Реалізовано гібридну рекомендаційну систему, яка поєднує методи колаборативної фільтрації та контентно-орієнтовані підходи. Об’єкт дослідження: дослідження: процес формування персоналізованих рекомендацій у рекомендаційних системах. Предмет дослідження: моделі колаборативної та контентної фільтрації, їх інтеграція в гібридні системи, а також методи обробки текстової інформації. Мета роботи: розробити гібридну модель рекомендаційної системи, яка забезпечує високу точність передбачення уподобань користувачів шляхом поєднання кількох джерел інформації. Методи дослідження: методи машинного навчання, зокрема колаборативна фільтрація (SVD, ALS, LightFM, нейронна NCF-модель, time aware модель), обробка природної мови (TF-IDF, трансформер all-MiniLM-L6 v2), а також ансамблеве навчання (XGBoost). Результатом роботи є реалізація гібридної системи рекомендацій, яка демонструє покращену точність у порівнянні з окремими моделями. Розроблена система враховує як історію оцінок користувачів, так і семантичні ознаки описів фільмів. Thesis: 121 pages, 9 figures, 7 tables, 2 appendices, 18 references. Title: Hybrid recommendation system using texts data and user reviews. The thesis addresses the problem of improving the quality of recommendations in systems that rely both on user reviews and the content of items. A hybrid recommendation system has been implemented, combining collaborative filtering methods with content-based approaches. Object of study: the process of forming personalized recommendations in recommendation systems. Subject of study: Models of collaborative and content-based filtering, their integration into hybrid systems, as well as methods for processing textual information. Objective: to develop a hybrid recommendation system model that ensures high accuracy in predicting user preferences by combining multiple sources of information. Research methods: machine learning methods, including collaborative filtering (SVD, ALS, LightFM, neural NCF model, time-aware model), natural language processing (TF-IDF, all-MiniLM-L6-v2 transformer), and ensemble learning (XGBoost). The result of the work is the implementation of a hybrid recommendation system that demonstrates improved accuracy compared to individual models. The developed system takes into account both the user rating history and the semantic features of movie descriptions. popup.nrat_date 2025-11-05 Close