Інтелектуальні методи персоналізації на основі історії користувача для рекомендаційних систем
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація виконана на 92 сторінках, містить 17 ілюстрацій, 3 додатки та 31 джерело в переліку посилань. Мета роботи - визначення методу рекомендацій, який надає найбільш точні та релевантні рекомендації, та створення програмної системи для демонстрації результатів проведених експериментів. Методи та засоби: мова програмування Python, середовища PyCharm та Jupyter Notebook, бібліотеки NumPy, Pandas, Scikit-learn, Implicit, фреймворк FastAPI, веб-технології HTML/CSS/JavaScript, система контролю версій Git/GitHub. Результат – веб-застосунок, що демонструє роботу рекомендаційної системи та дозволяє переглядати персоналізовані рекомендації, сформовані на основі обчислених моделей.
Роботу було апробовано на двох конференціях: XXIІ Міжнародній науково-практичній конференції молодих вчених та студентів “Сучасні проблеми наукового забезпечення енергетики” [1] та II Міжнародній науково-практичній конференції “Progressive Approaches in Science and Engineering” [2]. Результати магістерської дисертації були використані під час розробки концепції стартапу Motiv AI – цифрового помічника для підвищення продуктивності студентів [3]. Зокрема, підходи до персоналізації та методи обробки користувацьких даних стали основою механізмів рекомендацій у даному проєкті.
Опис
Ключові слова
рекомендаційна система, колаборативна фільтрація, контентно-орієнтована фільтрація, гібридна фільтрація, персоналізація, Python, REST API, веб-застосунок, recommendation system, collaborative filtering, content-based filtering, hybrid filtering, personalization, web application
Бібліографічний опис
Гурин, І. А. Інтелектуальні методи персоналізації на основі історії користувача для рекомендаційних систем : магістерська дис. : 122 Комп’ютерні науки / Гурин Ірина Андріївна. – Київ, 2025. – 92 с.