Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003209, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система персоналізованої рекомендації новин на основі текстових характеристик контенту Автор Старокожко Антон ОлеговичStarokozhko Anton Olehovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76042 Видання Київ Опис Дипломна робота: 123 с., 20 рис., 8 табл., 30 посилань, додаток. Об’єктом дослідження є система персоналізованої рекомендації новин. Предметом дослідження є методи та моделі побудови рекомендаційних систем з використанням текстових характеристик контенту. Метою роботи є розробка та оцінка ефективності системи персоналізованих рекомендацій новин, яка враховує текстові особливості контенту та поведінкові дані користувачів. У дипломній роботі оглянуто сучасні підходи до побудови рекомендаційних систем, зокрема контентну, колаборативну фільтрацію та гібридні методи. Проаналізовано переваги та недоліки кожного з підходів у контексті рекомендації новин. Розглянуто традиційні алгоритми (Factorization Machines, FFM) і сучасні нейронні архітектури (DKN), що використовують графи знань та механізм уваги. Розроблено програмну систему персоналізованої рекомендації новин на основі текстових характеристик. Здійснено попередню обробку набору даних, що включає новинні статті та поведінкову інформацію користувачів. Виконано побудову та навчання моделей FFM і DKN. Проведено оцінку ефективності моделей за допомогою відповідних метрик точності. Отримано результати, що демонструють перевагу нейромережевої моделі DKN у контексті коротких текстів і проблеми семантичної неоднозначності. Bachelor’s thesis: 123 p., 20 figures, 8 tables, 30 references, appendix The object of research is a system of personalized news recommendation. The subject of the study is methods and models for building recommender systems using textual characteristics of the content. The purpose of the study is to develop and evaluate the effectiveness of a personalized news recommendation system that takes into account textual features of the content and user behavioral data. The thesis reviews modern approaches for building recommender systems, including content-based, collaborative filtering, and hybrid methods. The advantages and disadvantages of each approach in the context of news recommendation are analyzed. Traditional algorithms (Factorization Machines, FFM) and modern neural architectures (DKN) using knowledge graphs and the attention mechanism are considered. A software system for personalized news recommendation based on textual characteristics is developed. The dataset, which includes news articles and user behavioral information, was pre-processed. The FFM and DKN models were built and trained. The efficiency of the models is evaluated using the relevant accuracy metrics. The results demonstrate the advantage of the DKN neural network model in the context of short texts and the problem of semantic ambiguity. Додано в НРАТ 2025-11-05 Закрити