Розробка рекомендаційної системи методами графових нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorБичков, Денис Віталійович
dc.date.accessioned2026-01-30T10:11:46Z
dc.date.available2026-01-30T10:11:46Z
dc.date.issued2025
dc.description.abstractОб’єкт дослідження –– алгоритми побудови рекомендаційних систем із використанням графових нейронних мереж. Предмет дослідження –– методи формування персоналізованих рекомендацій на основі графових структур та нейронних моделей, таких як GraphSAGE, GCN, NGCF, LightGCN. Мета роботи – розробити та дослідити ефективність рекомендаційної системи на основі графових нейронних мереж, що дозволяє покращити якість персоналізованих рекомендацій шляхом моделювання взаємодій у вигляді графа. Методи дослідження –– аналіз та обробка даних, побудова графів користувач–об’єкт, графові нейронні мережі, методи машинного навчання, метрики оцінювання якості рекомендацій (Recall, NDCG). Основні результати – розроблено прототип рекомендаційної системи з використанням GNN-моделей; проведено експериментальне дослідження на основі датасету Last.fm; встановлено переваги LightGCN щодо якості формування рекомендацій у порівнянні з базовими моделями. Отримані результати підтверджують доцільність застосування графових нейронних мереж для покращення персоналізованих рекомендацій.
dc.description.abstractotherObject of the study: algorithms for building recommendation systems using graph neural networks. Subject of the study: methods for generating personalized recommendations based on graph structures and neural models such as GraphSAGE, GCN, NGCF, and LightGCN. Research objective: to develop and evaluate the effectiveness of a recommendation system based on graph neural networks that improves the quality of personalized recommendations by modeling user-item interactions as a graph. Research methods: data analysis and preprocessing, construction of user–item graphs, application of graph neural networks, machine learning techniques, and evaluation metrics (Recall, NDCG). Main results: a prototype of a recommendation system based on GNN models was developed; an experimental study was conducted using the Last.fm dataset; LightGCN demonstrated superior performance in generating recommendations compared to baseline models. The obtained results confirm the feasibility and efficiency of applying graph neural networks in the development of modern recommendation systems.
dc.format.extent81 с.
dc.identifier.citationБичков, Д. В. Розробка рекомендаційної системи методами графових нейронних мереж : магістерська дис. : 124 Системний аналіз / Бичков Денис Віталійович. – Київ, 2025. – 81 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78563
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційна система
dc.subjectграфова нейронна мережа
dc.subjectперсоналізовані рекомендації
dc.subjectBPR
dc.subjectGCN
dc.subjectGraphSAGE
dc.subjectLightGCN
dc.subject.udc303.732.4
dc.titleРозробка рекомендаційної системи методами графових нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bychkov_magistr.pdf
Розмір:
1.8 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи