Система рекомендацій фільмів з поясненнями на основі методів штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorТітов, Владислав Миколайович
dc.contributor.authorКоваленко, Костянтин Анатолійович
dc.date.accessioned2026-08-06T09:37:14Z
dc.date.available2026-08-06T09:37:14Z
dc.date.issued2026
dc.description.abstractМета 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.
dc.description.abstractotherThe purpose of the work is to develop software for a movie recommendation system with explanations based on artificial intelligence methods. Methods and tools: content-based filtering using TF-IDF and cosine similarity, collaborative filtering based on the “user–movie” matrix, hybrid recommendation ranking, SVD baseline with user and movie bias adjustment, personalized SVD with neighbor search in latent space, Python programming language, pandas, NumPy, scikitlearn, scipy, joblib libraries, Streamlit framework, Visual Studio Code development environment. The result is a software system for personalized movie selection that generates recommendations based on content, collaborative, and rating features, and also provides the user with explanations of why the recommended movies appear in the final list.
dc.format.extent102 с.
dc.identifier.citationКоваленко, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82363
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційна система
dc.subjectштучний інтелект
dc.subjectмашинне навчання
dc.subjectTF-IDF
dc.subjectколаборативна фільтрація
dc.subjectSVD
dc.subjectSTREAMLIT
dc.subjectпояснювані рекомендації
dc.subjectrecommendation system
dc.subjectartificial intelligence
dc.subjectmachine learning
dc.subjectcollaborative filtering
dc.subjectexplainable recommendations
dc.titleСистема рекомендацій фільмів з поясненнями на основі методів штучного інтелекту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kovalenko_bakalavr.pdf
Розмір:
1.24 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

Бакалаврські роботи (ЦТЕ)
Бакалаврські роботи