Система рекомендацій з використанням соціальних мереж
Вантажиться...
Дата
2018-12
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Актуальність теми. Об’єм даних у світі зростає, і швидкість його
зростання перевищує швидкість зростання ресурсів, необхідних для обробки
цих даних. Сьогодні людство повністю поглинуте інформаційним простором:
фільми, книги, статті, новини тощо, і важко визначити, який продукт більше
підходить конкретній людині. Відповідно, з’явилась потреба в технологіях,
які можуть оперативно обробляти великі обсяги даних та виділяти лише ту
інформацію, що є корисною для конкретного користувача. Одними з
найпотужніших технологій вирішення таких задач є рекомендаційні системи.
Рекомендаційні системи – це системи, які визначають переваги та
інтереси користувачів і надають відповідні рекомендації відносно цих даних.
Такими даними можуть бути оцінки користувачів, приватна інформація,
комунікація в соціальних мережах, географічне розташування користувачів
тощо.
Протягом останніх років багато досліджень проводилося з метою
аналізу та класифікації текстів і даних, та подальшою класифікацією на
категорії на основі навченої моделі. Однак з’являється все більше досліджень
щодо аналізу текстових даних для визначення того, як людина репрезентує
свої «почуття» відносно певного предмету чи інформації. Це призвело до
розвитку аналізу тональності відгуків користувачів та систем їх класифікації.
Аналіз та класифікація тональностей відгуків використовують складні
алгоритми, оскільки думки можна висловити тонкими та складними
методами, включаючи використання неформальної мови (сленг),
неоднозначності, іронії, гумору та акценту.
Аналіз та класифікацію почуттів почали розробляти з багатьох
причин. Наприклад, для відстеження зросту та спаду популярності певного
продукту, для порівняння ставлень онлайн-клієнтів до ряду продуктів тощо.
5
Об’єктом дослідження є методи та алгоритми формування систем
рекомендацій фільмів на основі користувацьких оцінок та відгуків.
Предметом дослідження є рекомендаційні системи та методи аналізу
тональності відгуків користувачів соціальних мереж.
Метою дослідження є підвищення ефективності методів аналізу
даних на основі тональності відгуків користувачів соціальних мереж, що, в
свою чергу, дозволяє поліпшити роботу рекомендаційної системи фільмів на
основі аналізу текстових відгуків користувачів соціальних мереж.
Методи дослідження:
• аналіз;
• аналогія;
• дедукція;
• емпіричні: експериментальна перевірка ефективності розробленого
програмного забезпечення;
• індукція;
• синтез.
Результати та їх наукова новизна:
1. Проаналізовано існуючі рекомендаційні системи та рішення
аналізу тональності тексту.
2. Запропоновано новий метод генерації рекомендацій для
користувачів.
3. Покращено алгоритм формування рекомендацій на основі
поєднання аналізу тональності користувацьких відгуків та
класичних алгоритмів.
Галузь застосування. Результати даної роботи можуть бути
використані для покращення рекомендаційних систем шляхом визначення та
врахування тональності коментарів користувачів.
6
Практична цінність отриманих в роботі результатів полягає в тому,
що запропонований алгоритм формування рекомендаційної системи дозволяє
ефективно виконувати відносно швидку обробку великих об’ємів даних і на
їх основі формувати список рекомендацій кінцевому користувачеві. Також
використання аналізу тональності відгуків із соціальних мереж дозволяє
робити списки рекомендацій більш точними, що суттєво вплине на якість
інформації, яку отримує кінцевий користувач.
Результати роботи розробленого алгоритму дозволяють точніше
фільтрувати дані та ефективно використовувати ресурси і пам'ять мобільних
пристроїв, що підвищує якість програмного продукту. А, відповідно, і його
подальший розвиток та поширення.
Апробація роботи. Основні положення і результати роботи були
представлені та обговорювались на V Міжнародній науково-технічній
конференції «Сучасні методи, інформаційне, програмне та технічне
забезпечення систем керування організаційно-технічними та технологічними
комплексами» (Київ, 22-23 листопада 2018 р.), а також на ХXIV Міжнародній
інтернет-конференції «Новини науки ХХІ століття» (Вінниця, 23 листопада
2018 р.).
Структура та обсяг роботи. Магістерська дисертація складається зі
вступу, трьох розділів, висновків, списку використаних джерел та додатків.
У вступі подано загальну характеристику роботи, зроблено оцінку
сучасних методів формування рекомендацій, обґрунтовано актуальність
напряму досліджень, сформульовано мету і задачі досліджень, показано
наукову новизну отриманих результатів і практичну цінність роботи.
У першому розділі проаналізовано існуючі методи аналізу даних та
формування рекомендацій на їх основі. Розглянуто переваги та недоліки
платформ для обробки даних та можливість їх використання для мобільних
7
платформ. Проаналізовано вплив тональності відгуків користувачів на
формування списків рекомендацій.
У другому розділі запропоновано підхід до побудови системи
рекомендації на базі Spark із урахуванням аналізу тональності відгуків
користувачів.
У третьому розділі досліджено поєднання класичних методів, що
використовуються у сучасних рекомендаційних системах, та методу аналізу
тональності коментарів користувачів соціальних мереж. Сформовано
пропозицію побудови попереднього та фінального списку рекомендацій.
У висновках проаналізовано отримані результати роботи.
У додатках наведено презентацію, лістинг розробленого програмного
продукту, копії публікацій та довідка про впровадження.
Магістерська дисертація виконана на 80 аркушах, містить 4 додатки та
посилання на список використаних літературних джерел з 51 найменувань. У
роботі наведено 7 рисунків та 3 таблиці.
Опис
Ключові слова
аналіз тональності, tonal analysis, анализ тональности, big data, машинне навчання, рекомендаційна система, Spark, machine learning, reference system, машинное обучение, рекомендательная система
Бібліографічний опис
Чорна, К. Ю. Евристичний метод тренування штучної нейронної мережі : магістерська дис. : 123 Комп’ютерна інженерія / Чорна Катерина Юріївна. – Київ, 2018. – 71 с.