Рекомендаційні системи на основі аналізу послідовності кліків в сфері електронної комерції
Вантажиться...
Дата
2026
Автори
Марченко, Дмитро Сергійович
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 132 с., 16 рис., 15 табл., 27 джерел, 2 додатки.
Об'єкт дослідження – процес формування персоналізованих рекомендацій товарів на платформах електронної комерції на основі послідовностей взаємодій користувачів. Предмет дослідження – моделі та методи побудови послідовних рекомендаційних систем із використанням рекурентних нейронних мереж і механізмів уваги. Мета роботи – реалізувати та порівняти архітектури рекомендаційних систем, що спираються на аналіз послідовності кліків у сфері e-commerce. У роботі розглянуто класичні підходи до побудови рекомендаційних систем – колаборативну та контентну фільтрацію, ланцюги Маркова – і послідовні методи на їх противагу. Описано математичний апарат LSTM і GRU, а також механізм уваги як основу архітектури SASRec. Окремо висвітлено навчальний процес: оптимізатор Adam, косинусний відпал швидкості навчання, L2-регуляризацію та метрики якості ранжування HR@K, Precision@K, MAP@K і NDCG@K. Систему повністю реалізовано на Python з використанням pandas, PyTorch і Polars. Реалізація охоплює попередню обробку наборів даних Retailrocket і OpenCDP, формування послідовностей взаємодій, навчання й збереження ваг моделей, а також веб-застосунок на FastAPI, розгорнутий через Docker. За результатами експериментів при K = 5, 10, 20 найкращі показники на Retailrocket показала модель LSTM4Rec, на OpenCDP – SASRec . Додатково проведено функціонально-вартісний аналіз із обґрунтуванням обраного варіанта реалізації. Розроблена система підтвердила свою працездатність і придатна до інтеграції в реальні платформи електронної комерції.
Опис
Ключові слова
рекомендаційні системи, послідовні рекомендації, аналіз послідовності кліків, електронна комерція, рекурентні нейронні мережі, lstm, gru, sasrec, механізм уваги, глибоке навчання, recommender systems, sequential recommendation, clickstream analysis, e-commerce, recurrent neural networks, attention mechanism, deep learning
Бібліографічний опис
Марченко, Д. С. Рекомендаційні системи на основі аналізу послідовності кліків в сфері електронної комерції : дипломна робота … бакалавра : 124 Системний аналіз / Марченко Дмитро Сергійович. – Київ, 2026. – 132 с.