Побудова рекомендаційної системи фільмів з урахуванням вподобань користувачів та мета-інформації про фільм

Скорочена інформація про документ
dc.contributor.advisorПодколзін, Гліб Борисович
dc.contributor.authorДроздов, Нікіта Андрійович
dc.date.accessioned2025-09-30T09:11:34Z
dc.date.available2025-09-30T09:11:34Z
dc.date.issued2025
dc.description.abstractДипломна робота: 82 с., 22 рис., 7 табл., 2 додатки, 17 джерел Об’єктом дослідження є платформи та сервіси для перегляду фільмів і серіалів з можливістю персоналізованих рекомендацій. Предметом дослідження є алгоритми рекомендацій, їхні методи та можливість оптимізації. Метою роботи є дослідження побудови рекомендаційних систем, найефективніших підходів до роботи з різними обсягами даних, та реалізація власної рекомендаційної системи. У роботі розглянуто сучасні підходи до побудови рекомендаційних систем, реалізовано модель колаборативної фільтрації за допомогою алгоритму SVD та контентну модель на основі векторного представлення фільмів із використанням TF-IDF. Запропоновано метод поєднання результатів моделей у вигляді гібридної системи. Система тестувалася на наборі даних MovieLens ml-latest-small. Для оцінки якості побудованих моделей використано метрики RMSE та MAE. Програмну реалізацію виконано мовою Python. Методологія дослідження базується на застосуванні методів машинного навчання, аналізу латентних факторів, обробки текстових даних. Практичне значення роботи полягає у створенні універсального та розширюваного підходу до побудови рекомендаційних систем, який поєднує сильні сторони різних підходів — точність колаборативної фільтрації та гнучкість контентного аналізу. Отримані результати можуть бути використані для впровадження в стримінгові сервіси.
dc.description.abstractotherThesis: 82 pages, 22 tables, 7 figures, 2 appendices, 17 references. The object of the study is platforms and services for watching movies and TV series with the possibility of personalized recommendations. The subject of the study is recommendation algorithms, their methods and the possibility of optimization. The purpose of the work is to study the construction of recommendation systems, the most effective approaches to working with different amounts of data, and the implementation of our own recommendation system. The work considers modern approaches to building recommendation systems, implements a collaborative filtering model using the SVD algorithm and a content model based on a vector representation of movies using TF-IDF. A method for combining the results of models in the form of a hybrid system is proposed. The system was tested on the MovieLens ml-latest-small dataset. To assess the quality of the constructed models, the RMSE and MAE metrics were used. The software implementation was performed in Python. The research methodology is based on the application of machine learning methods, latent factor analysis, and text data processing. The practical significance of the work lies in creating a universal and extensible approach to building recommender systems, which combines the strengths of different approaches - the accuracy of collaborative filtering and the flexibility of content analysis. The results obtained can be used for implementation in streaming services.
dc.format.extent82 с.
dc.identifier.citationДроздов, Н. А. Побудова рекомендаційної системи фільмів з урахуванням вподобань користувачів та мета-інформації про фільм : дипломна робота … бакалавра : 124 Системний аналіз / Дроздов Нікіта Андрійович. – Київ, 2025. – 82 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76415
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційна система
dc.subjectпрограмна реалізація
dc.subjectконтентна фільтрація
dc.subjectколаборативна фільтрація
dc.subjectпрогнозування
dc.subjectмашинне навчання
dc.subjectматрична факторизація
dc.titleПобудова рекомендаційної системи фільмів з урахуванням вподобань користувачів та мета-інформації про фільм
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Drozdov_bakalavr.pdf
Розмір:
4.43 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 (ММСА)
Бакалаврські роботи