Математичне та програмне забезпечення системи для рекомендації відеоконтенту

Скорочена інформація про документ
dc.contributor.advisorТретиник, Віолета Вікентіївна
dc.contributor.authorБондарчук, Олександр Олександрович
dc.date.accessioned2024-05-22T11:34:34Z
dc.date.available2024-05-22T11:34:34Z
dc.date.issued2024
dc.description.abstractДисертацію виконано на 83 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 20 найменувань. У роботі наведено 21 рисунків та 5 таблиць. Актуальність теми. З погляду стрімкої цифрової трансформації та зростаючого обсягу відеоконтенту в Інтернеті, рекомендаційні системи стають ключовим інструментом для користувачів і платформ. З одного боку, рекомендаційні системи допомагають користувачам знаходити відповідний та цікавий контент в масиві доступних опцій. Це особливо важливо в умовах інформаційного перенасичення, коли велика кількість відеоконтенту може призвести до перевантаження та втрати орієнтації. З іншого боку, для платформ і постачальників відеоконтенту рекомендаційні системи є ефективним інструментом збільшення залученості та задоволення користувачів. Здатність точно рекомендувати вміст, який відповідає індивідуальним смакам та інтересам, може значно підвищити якість взаємодії з платформою та підвищити лояльність користувачів. Ураховуючи динаміку розвитку технологій, таких як штучний інтелект та глибоке навчання, рекомендаційні системи для відеоконтенту стають більш точними та персоналізованими. Це відкриває нові перспективи для покращення якості рекомендацій та розширення можливостей відеоіндустрії. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою роботи є дослідження та розробка ефективних алгоритмів для рекомендаційних систем, що дозволяють вибирати рекомендації з прийнятним рівнем релевантності в умовах великої кількості користувачів за неповної або відсутньої інформації про їх переваги, а також розробка архітектури системи, яка використовує такі алгоритми. Для досягнення вказаної мети було розв’язано такі задачі: • Розроблена та реалізована автоматизована система рекомендацій для підбору відеоконтенту користувачам. • Була вирішена проблема «холодного старту» (підбору рекомендацій для нових користувачів та нових фільмів). Об’єкт дослідження є база відеоконтенту компанії, історичні дані про відеоконтент, користувачів та їх вподобання, методи побудови рекомендаційних систем, існуючі реалізації рекомендаційних систем. Предметом дослідження є розробка математичного та програмного забезпечення системи для рекомендацій відеоконтенту на основі гібридних методів побудови рекомендаційних систем (створення та оптимізація моделей, інтеграція в веб-застосунок). Методи досліджень. Аналіз даних відеоконтенту, реалізація гібридної рекомендаційної системи, математичне моделювання впливу параметрів на результат, порівняльний аналіз з іншими методами, а також використання метрик для оцінки ефективності системи. Наукова новизна одержаних результатів складається з таких положень: − розроблено ефективне впровадження гібридного методу рекомендаційної системи для відеоконтенту, що використовує динамічний підхід до обчислення параметрів та успішно вирішує проблему "холодного старту". Практичне значення одержаних результатів. Розроблена система дозволяє користувачам користуватися рекомендаційною системою для відеоконтенту через веб-застосунок, отримувати релевантні пропозиції для переглядів та взаємодіяти з користувачем, давати можливість оцінювати переглянутий контент та зі збільшенням оцінок користувача, покращувати рекомендації. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022» (Київ, 16-18 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: − 1 публікація у тезах конференцій.
dc.description.abstractotherThe dissertation is completed in 83 pages, and it includes 2 appendices and a list of references citing 20 sources. The work comprises 21 figures and 5 tables. Relevance of the topic. In view of the rapid digital transformation and the growing volume of video content on the Internet, recommender systems are becoming a key tool for users and platforms. On the one hand, recommender systems help users find relevant and interesting content in an array of available options. This is especially important in conditions of information overload, when a large amount of video content can lead to overload and loss of orientation. On the other hand, for platforms and video content providers, recommender systems are an effective tool to increase user engagement and satisfaction. The ability to accurately recommend content that matches individual tastes and interests can significantly improve platform engagement and increase user loyalty. Given the dynamic development of technologies such as artificial intelligence and deep learning, recommender systems for video content are becoming more accurate and personalized. This opens up new perspectives for improving the quality of recommendations and expanding the capabilities of the video industry. Relationship of the work with scientific programs, plans, topics. The dissertation work was carried out in accordance with the plan of research works of the Department of Applied Mathematics of the National Technical University of Ukraine "Ihor Sikorskyi Kyiv Polytechnic Institute". Purpose and objectives of the study. The purpose of the work is research and development of effective algorithms for recommender systems that allow choosing recommendations with an acceptable level of relevance in conditions of a large number of users with incomplete or missing information about their preferences, as well as development of the architecture of a system that uses such algorithms. To achieve this goal, the following tasks were solved: • Developed and implemented an automated system of recommendations for selecting video content for users. • The problem of "cold start" (selection of recommendations for new users and new movies) was solved. The object of research is the company's video content database, historical data about video content, users and their preferences, methods of building recommendation systems, existing implementations of recommendation systems. The subject of research is the development of a mathematical and software system for recommending video content based on hybrid methods of building recommender systems (creation and optimization of models, integration into web applications). Methods of Research: Analysis of video content data, implementation of a hybrid recommendation system, mathematical modeling of parameter impact on results, comparative analysis with other methods, and the utilization of metrics for system effectiveness assessment. The scientific novelty of the obtained results includes the following key propositions: − An efficient implementation of a hybrid recommendation system for video content has been developed, utilizing a dynamic approach to parameter calculation and successfully addressing the "cold start" problem. Practical significance of the obtained results: The developed system allows users to utilize the recommendation system for video content through a web application, receive relevant suggestions for viewing, interact with the system by providing feedback on watched content, and enhance recommendations with increasing user ratings. Verification of dissertation results: The main findings and results of the work were presented at the XVI Scientific-Practical Conference of Masters and PhD Students "Applied Mathematics and Computing – AMC-2022" (Kyiv, November 16-18, 2023) and published in the conference proceedings. Publications: The results of the dissertation are presented in 1 scientific work: − 1 publication in conference proceedings.
dc.format.extent131 c.
dc.identifier.citationБондарчук, О. О. Математичне та програмне забезпечення системи для рекомендації відеоконтенту : магістерська дис. : 113 Прикладна математика / Бондарчук Олександр Олександрович. – Київ, 2024. – 131 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/66840
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційні системи
dc.subjectмашинне навчання
dc.subjectметоди побудови рекомендаційних систем
dc.subjectрелевантні рекомендації
dc.subjectметрики оцінки точності
dc.subjectдані відеоконтенту та користувачів
dc.subjectмоделі глибокого навчання
dc.subject.udc004.62:510.22:004.023
dc.titleМатематичне та програмне забезпечення системи для рекомендації відеоконтенту
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bondarchuk_magistr.pdf
Розмір:
3.1 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 (ПМА)
Магістерські роботи