Шелестов, Андрій ЮрійовичМалиняк, Володимир Володимирович2023-01-312023-01-312022Малиняк, В. В. Аналіз якості моделей глибокого навчання в системах рекомендацій : магістерська дис. : 113 Прикладна математика / Малиняк Володимир Володимирович. – Київ, 2022. – 128 с.https://ela.kpi.ua/handle/123456789/52221Дана робота мiстить 128 сторiнок, 34 iлюстрацiй, 10 таблиць, 22 джерел за перелiком посилань. Як i багато iнших напрямкiв iнформацiйних технологiй, рекомендацiйнi системи стрiмко розвиваються i активно дослiджуються iз року в рiк. Це призводить до появи багатьох методiв i алгоритмiв побудови рекомендацiй. Внаслiдок чого постало критичне питання у вiдсутностi єдиного пiдходу до оцiнки їх ефективностi, що призводить до нерепродуктивних та несправедливих результатiв їх порiвняння. У данiй роботi дослiджено метрики якостi в задачах побудови рекомендацiй, класифiковано i проаналiзовно фактори впливу на ефективнiсть систем рекомендацiй. На основi алгоритмiв нейромережевої колаборативної фiльтрацiї, варiацiйного автоенкодера у задачах колаборативної фiльтрацiї i графової нейронної мережi колаборативної фiльтрацiї проведено експериментальне порiвняння якостi рекомендацiй використовуючи вiдкритi набори даних MovieLens, LastFM, NetflixPrize. Сформована стратегiя пришвидшує вiдбiр оптимальних моделей i їх якiсне порiвняння.ukсистеми побудови рекомендацiйrecommendation systemsколаборативна фiльтрацiяcollaborative filteringоцiнка якостi алгоритмiв рекомендацiйquality evaluation of recommendation algorithmsАналіз якості моделей глибокого навчання в системах рекомендаційMaster Thesis128 с.004.93