Рекомендаційна система на основі аналізу бази даних транзакцій

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorЛавріненко, Вероніка Олександрівна
dc.date.accessioned2025-02-04T10:35:57Z
dc.date.available2025-02-04T10:35:57Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 91 с., 30 рис., 22 табл., 1 додаток, 14 джерел. Об’єкт досліджень – персоналізація послуг на основі аналізу бази даних транзакцій. Предмет досліджень – алгоритми Apriori, FP-Growth, MaxEclat, TopDown, MaxClique, AprClique. Мета роботи – розробка рекомендаційної системи на основі алгоритмів асоціативного аналізу для генерації рекомендацій товарів. У даній роботі присутній огляд предметної області, застосованих методів асоціативного аналізу; опис створеного програмного продукту, оцінка якості за допомогою метрик та реалізація стартап-проекту. Була проведена оцінка якості створеної рекомендаційної системи та алгоритмів асоціативного аналізу. За допомогою цих підходів вдалося підвищити точність рекомендацій, що сприяє покращенню користувацького досвіду та збільшенню ефективності роботи системи. Програмне забезпечення реалізовано на мові Python, що дозволяє здійснювати обробку великих обсягів даних, генерувати асоціативні правила та оцінювати їхню ефективність. Використання таких алгоритмів, як Apriori, FP-Growth, MaxEclat, TopDown, MaxClique, AprClique дозволило створити оптимізовану рекомендаційну систему, що враховує особливості транзакційного середовища. Наукова новизна роботи полягає у поєднанні класичних алгоритмів асоціативного аналізу із сучасними підходами для створення оптимізованої рекомендаційної системи.
dc.description.abstractotherMaster's thesis: 91 p., 30 fig., 22 tables, 1 appendix, 14 references. Object of research - personalisation of services based on transaction database analysis. The subject of research is the Apriori, FP-Growth, MaxEclat, TopDown, MaxClique, AprClique algorithms. The aim of the work is to develop a recommendation system based on association analysis algorithms for generating product recommendations. This work provides an overview of the subject area, applied methods of associative analysis, description of the created software product, quality assessment using metrics, and implementation of the startup project. The quality of the created recommendation system and associative analysis algorithms was assessed. These approaches helped to improve the accuracy of recommendations, which contributes to the user experience and efficiency of the system. The software is implemented in Python, which allows processing large amounts of data, generating associative rules, and evaluating their effectiveness. The use of such algorithms as Apriori, FP-Growth, MaxEclat, TopDown, MaxClique, AprClique allowed us to create an optimised recommendation system that takes into account the peculiarities of the transactional environment. The scientific novelty of the paper is the combination of classical association analysis algorithms with modern approaches to create an optimised recommender system.
dc.format.extent91 с.
dc.identifier.citationЛавріненко, В. О. Рекомендаційна система на основі аналізу бази даних транзакцій : магістерська дис. : 124 Системний аналіз / Лавріненко Вероніка Олександрівна. - Київ, 2024. - 91 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72346
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційна система
dc.subjectбази даних транзакцій
dc.subjectалгоритми
dc.subjectfp-growth
dc.subjectapriori
dc.subjectmaxeclat
dc.subjecttopdown
dc.subjectmaxclique
dc.subjectaprclique
dc.subjectrecommendation system
dc.subjecttransaction database
dc.subjectalgorithms
dc.subject.udc303.732.4
dc.titleРекомендаційна система на основі аналізу бази даних транзакцій
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lavrinenko_magistr.pdf
Розмір:
3.89 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