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 |