Недашківська, Надія ІванівнаПанаско, Віталій Євгенович2023-09-182023-09-182023Панаско, В. Є. Система надання рекомендацій методами глибоких нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Панаско Віталій Євгенович. – Київ, 2023. – 149 с.https://ela.kpi.ua/handle/123456789/60457Дипломна 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.149 с.ukрекомендаційна системаглибинне навчанняматрична факторизаціяколаборативна фільтраціягібридна рекомендаційна модельзадача ранжуваннялатентне представленняметод dssmпослідовні нейронні мережіrecommendation systemdeep learningmatrix factorizationcollaborative filteringhybrid recommendation modellearning to rankembeddingsdssm methodrecurent neural networksBachelor Thesis