Недашківська, Надія ІванівнаМарченко, Дмитро Сергійович2026-09-102026-09-102026Марченко, Д. С. Рекомендаційні системи на основі аналізу послідовності кліків в сфері електронної комерції : дипломна робота … бакалавра : 124 Системний аналіз / Марченко Дмитро Сергійович. – Київ, 2026. – 132 с.https://ela.kpi.ua/handle/123456789/82962Дипломна робота: 132 с., 16 рис., 15 табл., 27 джерел, 2 додатки. Об'єкт дослідження – процес формування персоналізованих рекомендацій товарів на платформах електронної комерції на основі послідовностей взаємодій користувачів. Предмет дослідження – моделі та методи побудови послідовних рекомендаційних систем із використанням рекурентних нейронних мереж і механізмів уваги. Мета роботи – реалізувати та порівняти архітектури рекомендаційних систем, що спираються на аналіз послідовності кліків у сфері e-commerce. У роботі розглянуто класичні підходи до побудови рекомендаційних систем – колаборативну та контентну фільтрацію, ланцюги Маркова – і послідовні методи на їх противагу. Описано математичний апарат LSTM і GRU, а також механізм уваги як основу архітектури SASRec. Окремо висвітлено навчальний процес: оптимізатор Adam, косинусний відпал швидкості навчання, L2-регуляризацію та метрики якості ранжування HR@K, Precision@K, MAP@K і NDCG@K. Систему повністю реалізовано на Python з використанням pandas, PyTorch і Polars. Реалізація охоплює попередню обробку наборів даних Retailrocket і OpenCDP, формування послідовностей взаємодій, навчання й збереження ваг моделей, а також веб-застосунок на FastAPI, розгорнутий через Docker. За результатами експериментів при K = 5, 10, 20 найкращі показники на Retailrocket показала модель LSTM4Rec, на OpenCDP – SASRec . Додатково проведено функціонально-вартісний аналіз із обґрунтуванням обраного варіанта реалізації. Розроблена система підтвердила свою працездатність і придатна до інтеграції в реальні платформи електронної комерції.132 с.ukрекомендаційні системипослідовні рекомендаціїаналіз послідовності кліківелектронна комерціярекурентні нейронні мережіlstmgrusasrecмеханізм увагиглибоке навчанняrecommender systemssequential recommendationclickstream analysise-commercerecurrent neural networksattention mechanismdeep learningBachelor Thesis