Система персоналізованої рекомендації новин на основі текстових характеристик контенту

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorСтарокожко, Антон Олегович
dc.date.accessioned2025-09-16T08:57:16Z
dc.date.available2025-09-16T08:57:16Z
dc.date.issued2025
dc.description.abstractДипломна робота: 123 с., 20 рис., 8 табл., 30 посилань, додаток. Об’єктом дослідження є система персоналізованої рекомендації новин. Предметом дослідження є методи та моделі побудови рекомендаційних систем з використанням текстових характеристик контенту. Метою роботи є розробка та оцінка ефективності системи персоналізованих рекомендацій новин, яка враховує текстові особливості контенту та поведінкові дані користувачів. У дипломній роботі оглянуто сучасні підходи до побудови рекомендаційних систем, зокрема контентну, колаборативну фільтрацію та гібридні методи. Проаналізовано переваги та недоліки кожного з підходів у контексті рекомендації новин. Розглянуто традиційні алгоритми (Factorization Machines, FFM) і сучасні нейронні архітектури (DKN), що використовують графи знань та механізм уваги. Розроблено програмну систему персоналізованої рекомендації новин на основі текстових характеристик. Здійснено попередню обробку набору даних, що включає новинні статті та поведінкову інформацію користувачів. Виконано побудову та навчання моделей FFM і DKN. Проведено оцінку ефективності моделей за допомогою відповідних метрик точності. Отримано результати, що демонструють перевагу нейромережевої моделі DKN у контексті коротких текстів і проблеми семантичної неоднозначності.
dc.description.abstractotherBachelor’s thesis: 123 p., 20 figures, 8 tables, 30 references, appendix The object of research is a system of personalized news recommendation. The subject of the study is methods and models for building recommender systems using textual characteristics of the content. The purpose of the study is to develop and evaluate the effectiveness of a personalized news recommendation system that takes into account textual features of the content and user behavioral data. The thesis reviews modern approaches for building recommender systems, including content-based, collaborative filtering, and hybrid methods. The advantages and disadvantages of each approach in the context of news recommendation are analyzed. Traditional algorithms (Factorization Machines, FFM) and modern neural architectures (DKN) using knowledge graphs and the attention mechanism are considered. A software system for personalized news recommendation based on textual characteristics is developed. The dataset, which includes news articles and user behavioral information, was pre-processed. The FFM and DKN models were built and trained. The efficiency of the models is evaluated using the relevant accuracy metrics. The results demonstrate the advantage of the DKN neural network model in the context of short texts and the problem of semantic ambiguity.
dc.format.extent123 с.
dc.identifier.citationСтарокожко, А. О. Система персоналізованої рекомендації новин на основі текстових характеристик контенту : дипломна робота … бакалавра : 122 Комп'ютерні науки / Старокожко Антон Олегович. – Київ, 2025. – 123 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76042
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectглибоке навчання
dc.subjectембендинги
dc.subjectмодель dkn
dc.subjectxlearn
dc.subjectpytorch
dc.subjectпроблема холодного старту
dc.subjectграф знань
dc.subjectмеханізм уваги
dc.subjectpython
dc.titleСистема персоналізованої рекомендації новин на основі текстових характеристик контенту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Starokozhko_bakalavr.pdf
Розмір:
2.19 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 (ШІ)
Бакалаврські роботи