Použití metod předpovídání budoucích uživatelských hodnocení pro doporučování filmů

• Název práce v češtině: Použití metod předpovídání budoucích uživatelských hodnocení pro doporučování filmů
• Název v anglickém jazyce: Application of User Ratings Prediction Methods for The Film Recommendations
• Klíčová slova: doporučovací systémy, kolaborativní filtrování, předpověď hodnocení, filmy, Netflix prize
• Klíčová slova anglicky: recommender systems, collaborative filtering, rating predication, films, Netflix prize
• Akademický rok vypsání: 2011/2012
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: doc. RNDr. Martin Kruliš, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 31.10.2011
• Datum zadání: 02.11.2011
• Datum potvrzení stud. oddělením: 01.12.2011
• Datum a čas obhajoby: 21.01.2013 00:00
• Datum odevzdání elektronické podoby: 07.12.2012
• Datum odevzdání tištěné podoby: 07.12.2012
• Datum proběhlé obhajoby: 21.01.2013
• Oponenti: RNDr. Alan Eckhardt, Ph.D.

Zásady pro vypracování

Cílem práce je prozkoumat algoritmy pro předpověď budoucích hodnocení filmů uživateli, abychom mohli uživateli doporučit, které filmy by se mu mohly líbit a které ne. Algoritmy používané v současné době jsou založeny buď na metodě k-nearest neighbor aplikované na prostor hodnocení konkrétního filmu uživateli, nebo na hledání podobnosti filmů na základě shodných parametrů (rok, žánr, obsazení, ...). Autor rozebere a otestuje algoritmy zastupující obě kategorie a porovná úspěšnost vzorových implementací s vlastním algoritmem. Tento algoritmus bude slučovat přístup předpovídání podle hodnocení ostatních uživatelů s přístupem předpovídání podle parametrů filmů tak, že každému uživateli vypočítá vektor jeho filmového vkusu. Jednotlivé složky vektoru budou označovat, jak se uživateli líbí filmy s daným parametrem (např. horory, filmy z padesátých let, filmy s Brucem Willisem, ...). Tento vektor pak půjde snadno porovnávat jak s filmy, tak s dalšími uživateli a umožní tak předpovídat nejenom podle parametrů filmu, ale i podle hodnocení uživatelů se stejným názorem na filmy podobných parametrů. Součástí práce bude pilotní implementace nového algoritmu, vyhledání jeho optimálních konfiguračních parametrů testováním na reálných datech a výsledné srovnání s existujícími metodami.

Seznam odborné literatury

[1] Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich: Recommender Systems: An Introduction, Cambridge University Press, 2010
[2] Yehuda Koren: The BellKor Solution to the Netflix Grand Prize, 2009
[3] Andreas Töscher, Michael Jahrer: The BigChaos Solution to the Netflix Grand Prize, 2009
[4] Martin Piotte, Martin Chabbert: The Pragmatic Theory solution to the Netflix Grand Prize, 2009
[5] Nicholas Ampazis: Large Scale Problem Solving with Neural Networks: The Netflix Prize Case, 2010