Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням
dc.contributor.advisor | Касьянов, Павло Олегович | |
dc.contributor.author | Якубенко, Олексій Петрович | |
dc.date.accessioned | 2022-02-22T08:38:41Z | |
dc.date.available | 2022-02-22T08:38:41Z | |
dc.date.issued | 2021-12 | |
dc.description.abstracten | The master's dissertation is made on 87 pages, contains 7 illustrations, 21 tables of 16 sources and 1 appendice. The object of research is product recommendation systems. The subject of research is methods and algorithms for forming recommendations. The urgency of the work is that there is a fundamental problem of building recommendation systems, namely - the problem of scalability. The presence of the problem of scalability requires from the algorithms of recommendation systems the possibility of unlimited increase in the number of users and the number of options for possible recommendations. At the same time, the build should not require replacement in the code of the program implementation of algorithms and reprocessing of all already processed data. The development of algorithms that solve this problem allows you to build recommendation systems that are adaptable to the growing number of users and products. The aim of the study is to develop a recommendation system for the selection of films that does not need to be completely retrained over time and the addition of new films. The novelty of the work is the implementation of a neural network that can indefinitely increase the options for recommendation, and its training using reinforced learning methods. | uk |
dc.description.abstractuk | 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. | uk |
dc.format.page | 87 с. | uk |
dc.identifier.citation | Якубенко, О. П. Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням : магістерська дис. : 124 Системний аналіз / Якубенко Олексій Петрович. - Київ, 2021. - 87 с. | uk |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/46677 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | uk |
dc.publisher.place | Київ | uk |
dc.subject | глибокі нейронні мережі | uk |
dc.subject | машинне навчання | uk |
dc.subject | автокодувальник | uk |
dc.subject | навчання з підкріпленням | uk |
dc.subject | рекомендаційні системи | uk |
dc.subject | deep near networks | uk |
dc.subject | machine learning | uk |
dc.subject | autoencoder | uk |
dc.subject | reinforced learning | uk |
dc.subject | recommendation systems | uk |
dc.subject.udc | 004.942.3 | uk |
dc.title | Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням | uk |
dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Yakubenko_magistr.pdf
- Розмір:
- 973.71 KB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.01 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: