Рекомендаційні системи щодо уподобань користувача соціальних мереж з врахуванням його профілю та психотипу
| dc.contributor.advisor | Гавриленко, Олена Валеріївна | |
| dc.contributor.author | Купцова, Ірина Володимирівна | |
| dc.date.accessioned | 2018-07-06T09:50:14Z | |
| dc.date.available | 2018-07-06T09:50:14Z | |
| dc.date.issued | 2018 | |
| dc.description.abstracten | Master dissertation: 149 p., 41 fig., 38 tables., 2 appendixes, 101 sources. Actuality. Volume of information available to user is so great that it is difficult to distinguish something specific and necessary through a regular review. Therefore, systems that help analyze and orientate data are of great value. Recommendations based on internal resource are common feature of social networks, but it uses only its own content for processing. There are also recommended systems of other structures that do not take into account the social component of the user and, therefore, use a narrow range of information to formulate recommendations. Such systems are limited either in the information about the objects of the recommendations or in the user data, which does not allow to create complete and satisfactory offers. In connection with the desire to solve both problems of one area, it is relevant to develop a system based on social networks that help in personalizing the user and compiling his psychotype by his profile. Relationship of work with scientific programs, plans, themes The work was carried out at the Department of Automated Systems for Information Processing and Management of the National Technical University of Ukraine "Igor Sikorsky Kyiv Politechnic Institute" within the framework of the theme "Intellectual Data Analysis". Goal and tasks of research. The goal of the dissertation is to increase the relevance of personified recommendations. To do this it is needed to accomplish the following tasks: to characterize the existing methods for defining recommendations and perform their comparative analysis; to formalize the task of providing personal recommendations; to implement and analyze selected algorithms for providing recommendations; to propose a method of increasing recommendations relevance; to develop a software implementation of the developed method; to perform results analysis. Object of research: process of providing personalized recommendations. 7 Subject of research: methods of personified data analysis and recommendations provision on their basis. The research methods used in this paper are based on machine learning and expert assessment methods. Scientific novelty of the obtained results. The approach to solving the problem of clustering and categorical type data sets classification and providing recommendations by improving the k-means clustering algorithm has been developed, and the method of preliminary analysis of the input sample has been researched and improved. Test results. The results of the research were tested on: - 4th international scientific and practical conference "Actual problems of modern science", Kyiv; - scientific-practical conference "Informatics and Computing IOT-2018", Kyiv; - VI Sikorsky Challenge Startup Competition, October 11-12, 2017; - Supervisory Board of Ukroboronprom, March 2018. Publications. On the materials of the dissertation was published 4 scientific works: - - article in the collection "Project Management, System Analysis and Logistics", Series "Technical Sciences" (ISSN: 2309-8635); - abstract of the report at the 8th International Scientific and Technical Conference "Modern Directions in the Development of Information and Communication Technologies and Control Tools", Kharkiv; - Abstracts of the report at the 4th International Scientific and Practical Conference "Actual Issues of Modern Science", Kyiv; - Abstract of the report at the scientific-practical conference "Informatics and Computing IOT-2018", Kyiv. | uk |
| dc.description.abstractuk | Магістерська дисертація:149 с., 41 рис., 38 табл., 2 додатки, 101 джерело. Актуальність теми. Кількість доступної користувачу інформації настільки велика, що важко виділити щось конкретне та необхідне шляхом звичайного перегляду. Тому системи, які допомагають аналізувати дані та орієнтують в них, представляють велику цінність. Внутрішньоресурсні рекомендації є звичною функцією соціальних мереж, але вони використовують лише власний контент для обробки. Також мають місце рекомендаційні системи інакших структур, які не враховують соціальну складову користувача, а отже використовують вузький спектр інформації для формування рекомендацій. Подібні системи обмежені або в інформації про об’єкти рекомендацій, або в даних про користувача, що не дозволяє створити повноцінні та задовільні пропозиції. У зв’язку з прагненням вирішити обидві проблеми однієї області, актуальною є розробка рекомендаційної системи на основі соціальних мереж, які допомагають у персоніфікації користувача та складанні його психотипу за допомогою його профілю. Зв’язок роботи з науковими програмами, планами, темами Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Інтелектуальний аналіз даних» (№УДК 519.68; 681.513.7; 612.8.001.57; 007.51/.52). Мета роботи і задачі дослідження. Мета дисертаційної роботи – збільшення релевантності персоніфікованих рекомендацій. Для цього необхідно виконати такі задачі: охарактеризувати існуючі методи визначення рекомендацій та здійснити їх порівняльний аналіз; формалізувати задачу складання персональних рекомендацій;з реалізувати та проаналізувати обрані алгоритми надання рекомендацій; запропонувати метод підвищення релевантності рекомендацій; 4 розробити програмну реалізацію розробленого методу; виконати аналіз отриманих результатів. Об’єкт дослідження: процес надання персоніфікованих рекомендацій. Предмет дослідження: методи аналізу персоніфікованих даних та надання рекомендацій на їх основі. Методи дослідження, застосовані у даній роботі, базуються на методах машинного навчання та експертної оцінки. Наукова новизна отриманих результатів. Розроблено підхід до розв’язання задачі кластеризації та класифікації наборів даних категоріального типу та надання рекомендацій шляхом удосконалення алгоритму кластеризації k-середніх, а також досліджено та вдосконалено метод попереднього аналізу вхідної вибірки. Апробація результатів. Результати досліджень були апробовані на: - 4-й міжнародній науково-практична конференція “Актуальні питання сучасної науки”, м. Київ; - науково-практичній конференції “Інформатика та обчислювальна техніка ІОТ- 2018”, м. Київ; - VI конкурс стартапів Sikorsky Challenge, 11-12 жовтня 2017 року; - наглядова рада Укроборонпрому, березень 2018 року. - Публікації. За матеріалами дисертації було опубліковано 4 наукові роботи: - стаття в збірнику “Управління проектами, системний аналіз та логістика”, Серія “Технічні науки” (ISSN: 2309-8635); - тези доповіді на 8-й міжнародній науково-технічній конференції “Сучасні напрями розвитку інформаційно-комунікаційних технологій та засобів управління”, м. Харків; - тези доповіді на 4-й міжнародній науково-практичній конференції “Актуальні питання сучасної науки”, м. Київ; 5 - тези доповіді на науково-практичній конференції “Інформатика та обчислювальна техніка ІОТ-2018”, м. Київ. | uk |
| dc.format.page | 151 с. | uk |
| dc.identifier.citation | Купцова, І. В. Рекомендаційні системи щодо уподобань користувача соціальних мереж з врахуванням його профілю та психотипу : магістерська дис. : 122 Комп'ютерні науки та інформаційні технології / Купцова Ірина Володимирівна. – Київ, 2018. – 151 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/23801 | |
| dc.language.iso | uk | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | рекомендаційні системи | uk |
| dc.subject | кластеризація | uk |
| dc.subject | класифікація даних | uk |
| dc.subject | аналіз соціальних мереж | uk |
| dc.subject | побудова психотипу | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | recommender systems | uk |
| dc.subject | clustering | uk |
| dc.subject | classification of data | uk |
| dc.subject | analysis of social networks | uk |
| dc.subject | construction of psychotype | uk |
| dc.subject | machine learning | uk |
| dc.subject.udc | 519.68; 681.513.7; 612.8.001.57; 007.51/.52 | uk |
| dc.title | Рекомендаційні системи щодо уподобань користувача соціальних мереж з врахуванням його профілю та психотипу | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Kuptsova_magistr.pdf
- Розмір:
- 6.61 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 7.74 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: