Пошук академічних текстів

Інформація × Реєстраційний номер 2225U001039, Кваліфікаційні роботи здобувачів вищої освіти Категорія Бакалаврська робота Назва роботи Система прогнозування персоналізованих рекомендацій у онлайн-платформах Автор Кондратенко Дмитро Костянтинович Дата публікації 01-01-2025 Постачальник інформації Запорізький національний університет Першоджерело https://dspace.znu.edu.ua/jspui/handle/12345/26282 Видання Опис Кондратенко Д. К. Система прогнозування персоналізованих рекомендацій у онлайн-платформах : кваліфікаційна робота бакалавра спеціальності 126 "Інформаційні системи та технології" / наук. керівник А. В. Калюжняк. Запоріжжя : ЗНУ, 2025. 70 с. UA : Робота викладена на 70 сторінках друкованого тексту, містить 28 рисунків, 3 таблиці, 39 джерел. Об’єкт дослідження –процес проєктування та впровадження веб-сервісу, що формує індивідуальні рекомендаціїконтенту на основі історії взаємодій користувачів.Мета роботи: створення прототипу платформи, здатної прогнозувати ймовірну оцінку фільмів для відомогокористувачата надавати релевантні рекомендації.Методи дослідження –об’єктно-орієнтоване моделювання(UML), стратифікований відбір даних, темпоральне розділення вибірки, градієнтне навчання у PyTorch, порівняльний аналіз підходів до побудови рекомендаційних систем.У роботі подано обґрунтування вибору матричної факторизації як ядра системи, описано скорочення датасету MovieLens 32M до 40 000 активних профілів, розроблено клієнт-серверну архітектуру на основі Flask (бекенд) та React (фронтенд). Реалізовано модель із 120 латентними факторами (RMSE = 0,87), модулі взаємодії з TMDB API й Firestore. Продемонстровано роботу платформи: автентифікація, головна сторінка з персоналізованими добірками, пошук і сторінка деталей фільму.Отримані результати підтверджують практичну придатність запропонованого рішення для онлайн сервісів і створюють основу для подальшого розширення функціоналусистеми. EN : The work is presented on 70 pages of printed text, 28 figures, 3 tables, 39 references. Object of the study –the process of designing and implementing a web service that generates individual content recommendations based on the history of user interactions.Aim of the study:to create a prototype platform capable of predicting the likely rating of movies for a known user and providing relevant recommendations.Methodsof research –object-oriented modeling (UML), stratified data selection, temporal sample splitting, gradient learning in PyTorch, comparative analysis of approaches to building recommender systems.The paper presents the rationale for choosing matrix factorization as the core of the system, describes the reduction of the MovieLens 32M dataset to 40,000 activeprofiles, and develops a client-server architecture based on Flask (backend) and React (frontend). The model with 120 latent factors (RMSE = 0.87), modules for interaction with TMDB API and Firestore were implemented. The platform is demonstrated: authentication, the main page with personalized selections, search, and the movie details page.The obtained results confirm the practical applicability of the proposed solution for online services and create a basis for further expansion of the system's functionality. Додано в НРАТ 2025-11-10 Закрити