Розробка рекомендаційної системи для магазину комп’ютерних ігор

Скорочена інформація про документ
dc.contributor.advisorЯковлева, Алла Петрівна
dc.contributor.authorОлефіренко, Мирослав Олександрович
dc.date.accessioned2026-08-12T11:13:13Z
dc.date.available2026-08-12T11:13:13Z
dc.date.issued2026
dc.description.abstractДипломна робота: 104 с., 13 рис., 15 табл., 2 додатки, 23 джерела. Об’єкт дослідження — процес автоматичного формування персоналізованих рекомендацій відеоігор на основі поведінкових та контентних даних користувачів. Предмет дослідження — методи колаборативної фільтрації, матричної факторизації та класифікації в задачі побудови рекомендаційних систем для ігрових платформ. Мета роботи — розробка та дослідження гібридної рекомендаційної системи для магазину комп’ютерних ігор на основі методів колаборативної фільтрації та машинного навчання. Методи дослідження — колаборативна фільтрація на основі косинусної подібності, алгоритми машинного навчання. Актуальність — потреба цифрових платформ дистрибуції відеоігор (зокрема Steam) у якісних персоналізованих рекомендаціях в умовах стрімкого зростання каталогів. Результати роботи — побудовано гібридну рекомендаційну систему та проведено її дослідження. Показано, що розширення набору ознак контентними характеристиками ігор підвищує якість класифікації відгуків. Шляхи подальшого розвитку предмету дослідження — використання текстів відгуків, застосування нейромережевої колаборативної фільтрації та розгортання вебсервісу для надання рекомендацій.
dc.description.abstractotherDiploma thesis: 108 pp., 13 figures, 15 tables, 2 appendices, 23 references. The object of research — the process of automatic generation of personalized video game recommendations based on the behavioral and content data of users. The subject of research — the set of methods of collaborative filtering, matrix factorization, and classification in the task of building recommender systems for gaming platforms. Objective of the work — to develop and study a hybrid recommender system for a computer game store based on collaborative filtering and machine learning methods. Research methods — collaborative filtering based on cosine similarity, machine learning algorithms. Relevance — the need of digital video game distribution platforms (in particular, Steam) for high-quality personalized recommendations under the rapid growth of catalogs. Results of the work — a hybrid recommender system was built and studied. It was shown that extending the feature set with content characteristics of games improves the review classification quality. Future development paths — incorporating review texts, applying neural collaborative filtering, and deploying a web service for providing recommendations.
dc.format.extent111 с.
dc.identifier.citationОлефіренко, М. О. Розробка рекомендаційної системи для магазину комп’ютерних ігор : дипломна робота … бакалавра : 124 Системний аналіз / Олефіренко Мирослав Олександрович. – Київ, 2026. – 111 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82416
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційна система
dc.subjectколаборативна фільтрація
dc.subjectсингулярний розклад матриці
dc.subjectмашинне навчання
dc.subjectградієнтний бустинг
dc.subjectранжування
dc.subjectfeature engineering
dc.subjectsteam
dc.subjectrecommender system
dc.subjectcollaborative filtering
dc.subjectsingular value decomposition
dc.subjectmachine learning
dc.subjectgradient boosting
dc.subjectranking
dc.titleРозробка рекомендаційної системи для магазину комп’ютерних ігор
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Olefirenko_bakalavr.pdf
Розмір:
5.1 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи