Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням
Вантажиться...
Дата
2021-12
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація виконана на 87 сторінках, містить 7 ілюстрацій, 21
таблиць 16 джерел та 1 додаток.
Об’єктом дослідження є рекомендаційні системи товарів.
Предметом дослідження є методи та алгоритми формування рекомендацій.
Актуальність роботи полягає в тому, що існує принципова проблема
побудови рекомендаційних систем, а саме – проблема масштабованості.
Наявність проблеми масштабованості вимагає від алгоритмів рекомендаційних
систем можливість необмеженого нарощування числа користувачів, так і числа
варіантів можливих рекомендацій. В той же час нарощування не повинно
вимагати заміни у коді програми реалізації алгоритмів та повторної обробки всіх
вже оброблених даних. Розробка алгоритмів, що вирішують цю проблему,
дозволяє будувати рекомендаційні системи, які є адаптивними по відношенню до
зростання кількості користувачів та товарів.
Мета дослідження є розробка рекомендаційної системи для вибору фільмів
яку не потрібно повністю перенавчати з плином часу та додаванням нових
фільмів.
Новизною роботи являється реалізація нейронної мережі яка може
необмежено нарощувати варіанти рекомендації, та її навчання за допомогою
методів навчання з підкріпленням.
Опис
Ключові слова
глибокі нейронні мережі, машинне навчання, автокодувальник, навчання з підкріпленням, рекомендаційні системи, deep near networks, machine learning, autoencoder, reinforced learning, recommendation systems
Бібліографічний опис
Якубенко, О. П. Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням : магістерська дис. : 124 Системний аналіз / Якубенко Олексій Петрович. - Київ, 2021. - 87 с.