Система надання рекомендацій методами глибоких нейронних мереж
Loading...
Date
2023
Authors
Advisor
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Дипломна робота містить 149 c., 45 рис., 33 табл., 2 дод., 40 посилань.
Ключові слова: РЕКОМЕНДАЦІЙНА СИСТЕМА, ГЛИБИННЕ
НАВЧАННЯ, МАТРИЧНА ФАКТОРИЗАЦІЯ, КОЛАБОРАТИВНА
ФІЛЬТРАЦІЯ, ГІБРИДНА РЕКОМЕНДАЦІЙНА МОДЕЛЬ, ЗАДАЧА
РАНЖУВАННЯ, ЛАТЕНТНЕ ПРЕДСТАВЛЕННЯ, МЕТОД DSSM,
ПОСЛІДОВНІ НЕЙРОННІ МЕРЕЖІ
Об’єкт дослідження: рекомендаційні системи, реалізовані методами
глибинного навчання.
Мета дослідження: порівняння ефективності наявних методів рекомендацій з новими методами, що використовують для надання рекомендацій нейронні мережі.
Використані моделі: модель матричної факторизації методом SVD,
модель матричної факторизації методом ALS, модель матричної факторизації
методом LightFM, модель DSSM, модель GRU, модель GRU4Rec, модель Caser.
Отримані результати: програмно реалізовано систему надання рекомендацій методами DSSM та GRU за допомогою Python з можливістю
включати в моделі різні архітектури, оцінено точність моделей за множиною
метрик якості.
В рамках подальшого дослідження пропонується розглянути роботу
реалізованих методів на інших вибірках, що представляють більш широкий
спектр представлень даних, а також експерименти з вбудованими в моделі
архітектурами.
Description
Keywords
рекомендаційна система, глибинне навчання, матрична факторизація, колаборативна фільтрація, гібридна рекомендаційна модель, задача ранжування, латентне представлення, метод dssm, послідовні нейронні мережі, recommendation system, deep learning, matrix factorization, collaborative filtering, hybrid recommendation model, learning to rank, embeddings, dssm method, recurent neural networks
Citation
Панаско, В. Є. Система надання рекомендацій методами глибоких нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Панаско Віталій Євгенович. – Київ, 2023. – 149 с.