Система надання рекомендацій фільмів за уподобаннями користувачів
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 90 с., 12 рис., 14 табл., 2 додатки, 15 джерел.
Об'єкт дослідження — процес формування персоналізованих рекомендацій відеоконтенту. Предмет дослідження — методи SVD++, NCF та гібридного підходу NCF+Content для персоналізованої рекомендації відеоконтенту. Мета роботи — розробити й дослідити гібридну рекомендаційну систему, що поєднує матричну факторизацію з контентними ознаками відео, та порівняти її з базовими методами. Методи дослідження — SVD++, Neural Collaborative Filtering, метрики HR@K, NDCG@K, Precision@K, Recall@K, функціонально-вартісний аналіз, Python, PyTorch, scikit-learn. Актуальність роботи зумовлена зростанням обсягів цифрового відеоконтенту та потребою у персоналізованих рекомендаціях. Гібридні нейромережеві підходи дають змогу зменшити проблему холодного старту, поєднуючи колаборативні й контентні сигнали. Результати роботи — реалізовано модель NCF+Content, яка перевищує SVD++ за HR@10 на 9.1% та NDCG@10 на 14.9%. Підтверджено внесок TFIDF-ознак і жанрового вектора, а також перевагу моделі при холодному старті. Подальший розвиток роботи передбачає використання мультимодальних ознак відео, моделей BERT4Rec та методів наближеного пошуку найближчих сусідів ANN. Програмний продукт розроблено мовою Python з використанням PyTorch та scikit-learn.
Опис
Ключові слова
рекомендаційна система, відеоконтент, колаборативна фільтрація, svd++, ncf, гібридна модель, tf idf, машинне навчання, recommendation system, video content, collaborative filtering, svd++, ncf, hybrid model, tf-idf, machine learning
Бібліографічний опис
Остроус, Д. Ю. Система надання рекомендацій фільмів за уподобаннями користувачів : дипломна робота … бакалавра : 124 Системний аналіз / Остроус Денис Юрійович. – Київ, 2026. – 90 с.