Система рекомендацій фільмів з поясненнями на основі методів штучного інтелекту
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Мета роботи – розробка програмного забезпечення системи рекомендацій фільмів з поясненнями на основі методів штучного інтелекту.
Методи та засоби: контентна фільтрація на основі TF-IDF та косинусної подібності, колаборативна фільтрація на основі матриці «користувач — фільм», гібридне ранжування рекомендацій, SVD-бейзлайн з урахуванням зміщень користувачів і фільмів, персоналізований SVD з пошуком сусідів у латентному просторі, мова програмування Python, бібліотеки pandas, NumPy, scikit-learn, scipy, joblib, фреймворк Streamlit, середовище розробки Visual Studio Code.
Результат – програмна система персоналізованого підбору фільмів, яка формує рекомендації на основі контентних, колаборативних і рейтингових ознак, а також надає користувачеві пояснення причин появи рекомендованих фільмів у підсумковому списку.
Додаток призначений для персоналізованого підбору фільмів користувачам на основі їхніх оцінок, історії вподобань і змістових характеристик фільмів. Програмний комплекс складається з навчального pipeline для підготовки даних і побудови моделей рекомендацій, а також інтерактивного веб-інтерфейсу, реалізованого за допомогою Streamlit. На етапі підготовки даних система опрацьовує інформацію про фільми, їхні жанри, ключові слова, описи, акторський склад, режисерів і оцінки користувачів. Для контентної моделі формується об’єднане текстове представлення фільмів, яке перетворюється у TF-IDF-вектори. На їх основі обчислюється косинусна подібність між фільмами. Колаборативна складова використовує матрицю «користувач — фільм» і дозволяє враховувати поведінку користувачів зі схожими вподобаннями. Окремо реалізовано SVD-бейзлайн і персоналізований SVD для роботи з латентними представленнями фільмів і користувачів. У веб-інтерфейсі користувач може обрати демонстраційний профіль або новий профіль, додавати, змінювати й видаляти оцінки фільмів, запускати генерацію рекомендацій і порівнювати результати різних моделей. Система формує рекомендації за трьома режимами: Hybrid model, Classic SVD і Personalized SVD. Для кожної рекомендації надається пояснення, у якому показано вплив окремих факторів: контентної подібності, колаборативного сигналу, популярності, рейтингу TMDB, прогнозованої оцінки та латентної відповідності. Особливістю програми є підтримка сценаріїв cold-start і warm-start. Для нового користувача система може спиратися на популярність, рейтингові характеристики та контентні ознаки фільмів, а після додавання оцінок поступово переходить до більш персоналізованих рекомендацій. Навчені моделі, матриці подібності та інші артефакти зберігаються у файлах за допомогою joblib, що дозволяє швидко запускати веб-застосунок без повторного навчання моделей.
Опис
Ключові слова
рекомендаційна система, штучний інтелект, машинне навчання, TF-IDF, колаборативна фільтрація, SVD, STREAMLIT, пояснювані рекомендації, recommendation system, artificial intelligence, machine learning, collaborative filtering, explainable recommendations
Бібліографічний опис
Коваленко, К. А. Система рекомендацій фільмів з поясненнями на основі методів штучного інтелекту : дипломна робота ... бакалавра : 122 Комп’ютерні науки / Коваленко Костянтин Анатолійович. – Київ, 2026. – 102 с.