Рекомендаційна система товарів на основі машинного навчання
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. В часи діджиталізації економічних процесів та стрімкого розвитку послуг з електронної комерції, рекомендаційні системи стали поширеним інструментом для бізнесу, що прагне покращити умови для своїх клієнтів.
Завдяки рекомендаціям, проаналізувавши дані про поведінку користувачів, стає можливим генерування пропозицій для кожного окремого користувача, які відповідають їх потребам.
Створення персоналізованих рекомендацій дозволяє підвищити залученість клієнтів, оптимізувати процес вибору товару, що значно покращить користувацький досвід та призвести у результаті до зміцненню конкурентоспроможності і збільшенню продажів.
Метою роботи є розробка рекомендаційної системи товарів на основі методів машинного навчання, яка покращуватиме взаємодію між бізнесом і клієнтами завдяки персоналізованим пропозиціям.
Завдання дослідження:
- Проаналізувати існуючі підходи до побудови рекомендаційних систем, визначити основні методи та алгоритми, їхні переваги та обмеження;
- Дослідити застосування методів машинного навчання для персоналізації рекомендацій;
- Спроектувати архітектуру системи, що забезпечує масштабованість, ефективність та інтеграцію з бізнес-платформами;
- Реалізувати програмну систему для збору, обробки даних і надання рекомендацій;
- Провести тестування розробленої системи, оцінити її продуктивність і точність;
- Провести апробацію системи та експериментально підтвердити її коректність і відповідність поставленим вимогам.
Об’єкт дослідження - процес формування персоналізованих рекомендацій товарів.
Предмет дослідження - методи та алгоритми машинного навчання для побудови рекомендаційної системи товарів.
Практична цінність одержаних результатів полягає у створенні рекомендаційної системи, яка може бути інтегрована у бізнес-процеси для підвищення ефективності взаємодії з клієнтами. Розроблене рішення дозволяє формувати персоналізовані рекомендації на основі поведінкових даних користувачів, що сприяє збільшенню конверсії та оптимізації продажів. Крім того, система підтримує налаштування та інтеграцію через API, що забезпечує гнучкість і масштабованість її використання в реальних умовах. Запропонована технологія має потенціал стати інструментом підвищення конкурентоспроможності підприємств у сфері електронної комерції.
Апробація результатів дисертації. Основні положення даної роботи доповідались та обговорювались на: Міжнародній студентській науковій конференції «ДІДЖИТАЛІЗАЦІЯ НАУКИ ЯК ВИКЛИК СЬОГОДЕННЯ», 25 жовтня, 2024, м. Полтава [1].
Магістерська дисертація складається зі вступу, 6 розділів, висновку, переліку посилань з 21 найменуваннями, додатка, містить 15 ілюстрацій, 33 таблиць і 4 формул. Повний обсяг магістерської дисертації складає 109 сторінок.
Опис
Дисертація присвячена розробці рекомендаційної системи товарів на основі методів машинного навчання, яка забезпечує персоналізовані рекомендації для користувачів. У роботі досліджено сучасні алгоритми, такі як контентна фільтрація, матрична факторизація та RecGAN, проведено їх порівняння та обґрунтовано вибір для реалізації. Розроблено архітектуру системи, визначено вимоги до програмного забезпечення, спроектовано базу даних, інтерфейс веб-застосунку та API. Функціонал включає завантаження даних через веб-інтерфейс, API для інтеграції з іншими системами та можливість тестування рекомендацій у реальному часі.
Ключові слова
Бібліографічний опис
Павський, Д. О. Рекомендаційна система товарів на основі машинного навчання : магістерська дис. : 122 Комп’ютерні науки / Павський Денис Олексійович. – Київ, 2024. – 109 с.