Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11643
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Ефремова Мария Игоревна | ru_RU |
dc.contributor.author | Чернобай Юлия Владимировна | ru_RU |
dc.contributor.author | Chernobai Iuliia | en_GB |
dc.contributor.editor | Добрынин Владимир Юрьевич | ru_RU |
dc.contributor.editor | Dobrynin Vladimir Iurevich | en_GB |
dc.date.accessioned | 2018-07-25T20:34:49Z | - |
dc.date.available | 2018-07-25T20:34:49Z | - |
dc.date.issued | 2017 | |
dc.identifier.other | 016362 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11643 | - |
dc.description.abstract | Работа посвящена разработке рекомендательной системы методом фильтрации на основе содержания, которая позволяет автоматически извлекать интересы пользователя из написанных им текстов и составлять список рекомендаций документов с учетом анализа временных интересов и их семантической близости. В работе использовались данные с сайта livejournal.com, включавшие 87597 пользователей с 2042011 постами и 522243 уникальными ключевыми словами к ним. В ходе выполнения работы были изучены и построены политематические классификаторы Label Powerset, Classifier Chains и ML-knn, проведено сравнение и выбран наилучший, определены лучшие базисные классификаторы для методов Label Powerset и Classifier Chains, разработан и применен алгоритм выделения временных интересов, собран набор данных и подобраны параметры для обучения модели word2vec. Был разработан алгоритм построения рекомендательной системы, и проведено тестирование на 5000 пользователях, и с помощью парного t-теста Стьюдента статистически доказано улучшение качества рекомендаций при использовании информации о временных свойствах интересов и семантической близости между ними. | ru_RU |
dc.description.abstract | This paper presents a method of development of recommender system using content-based filtering that allows automatically determine user’s interests and creates recommendation list of documents based on temporary interests and their semantic similarity. Research was conducted using a dataset from the livejournal.com website that included 87597 users with 2042011 posts and 522243 unique keywords. During the work following multi-label classifiers were built and compared: Label Powerset, Classifier Chains and ML-knn, and the best one was chosen. Also best basic classifiers for Label Powerset and Classifier Chains classifiers were determined, and an algorithm for temporary interests extraction was created and described. A dataset was constructed and parameters were found for training word2vec model. An algorithm of building a recommender system was created and described and a paired t-test on 5000 users was conducted to prove the increasing of recommendation quality while using the information of temporary interests and their semantic similarity. | en_GB |
dc.language.iso | ru | |
dc.subject | рекомендательная система | ru_RU |
dc.subject | фильтрация на основе содержания | ru_RU |
dc.subject | политематическая классификация текста | ru_RU |
dc.subject | recommender system | en_GB |
dc.subject | content-based filtering | en_GB |
dc.subject | multi-label text classification | en_GB |
dc.title | Development of recommendation system based on extraction and analysis of custom interests | en_GB |
dc.title.alternative | Разработка рекомендательной системы на основе извлечения и анализа интересов пользователей | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
diplom_chernobay.pdf | Article | 2,04 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_CHernobaj_YU_V__mag_rec_1.jpg | ReviewRev | 605,62 kB | JPEG | ![]() Просмотреть/Открыть |
reviewSV_CHernobaj_YU_V__mag_rec_2.jpg | ReviewRev | 605,5 kB | JPEG | ![]() Просмотреть/Открыть |
reviewSV_st006729_Dobrynin_Vladimir_YUrevich_(supervisor)(Ru).txt | ReviewSV | 4,02 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.