1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 123 — Комп’ютерна інженерія (бакалаври)
Please use this identifier to cite or link to this item: http://elartu.tntu.edu.ua/handle/lib/35558
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorТиш, Євгенія Володимирівна-
dc.contributor.advisorTysh, Ievgeniia-
dc.contributor.authorДенисов, Денис Васильович-
dc.contributor.authorDenysov, Denys-
dc.date.accessioned2021-06-26T09:27:01Z-
dc.date.available2021-06-26T09:27:01Z-
dc.date.issued2021-06-
dc.date.submitted2021-06-
dc.identifier.citationДенисов Д. В. Комп’ютеризована система формування рекомендацій на основі вподобань споживача : кваліфікаційна робота бакалавра за спеціальністю „123 — Комп’ютерна інженерія“ / Денисов Денис Васильович. – Тернопіль : ТНТУ, 2021. – 87 c.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/35558-
dc.description.abstractУ роботі спроектовано архітектуру комп’ютеризованої системи з можливістю інтеграції із системами електронної комерції. Основними програмними компонентами рекомендаційної системи є модуль препроцесингу даних та безпосередньо модуль формування рекомендацій. Програмне забезпечення комп’ютеризованої системи реалізовано засобами мови програмування Python та за допомогою бібліотек: pandas та numpy для опрацювання даних; turicreate для проведення вибору та оцінки моделі; sklearn для розділення даних на навчальну і тестову вибірки. Окрім цього, досліджено потенційні метрики для визначення подібності товарів і користувачів, і як наслідок обгрунтовано використання косинусної міри кута та коефіцієнта кореляції Пірсона.uk_UA
dc.description.abstractThe paper designs the architecture of a computerized system with the possibility of integration with e-commerce systems. The main software components of the recommendation system are the data preprocessing module and the recommendation generation module itself. The software of the computerized system is implemented by means of Python programming language and by means of libraries: pandas and numpy for data processing; turicreate for model selection and evaluation; sklearn to divide the data into training and test samples. In addition, potential metrics for determining the similarity of goods and users are investigated, and as a result, the use of the cosine measure of the angle and Pearson's correlation coefficient is substantiated.uk_UA
dc.description.tableofcontentsПЕРЕЛІК ОСНОВНИХ УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ І СКОРОЧЕНЬ 7 ВСТУП 8 1 АНАЛІЗ ВИМОГ ТЕХНІЧНОГО ЗАВДАННЯ ТА ПРИНЦИПІВ ОРГАНІЗАЦІЇ КОМП’ЮТЕРИЗОВАНИХ РЕКОМЕНДАЦІЙНИХ СИСТЕМ 9 1.1 Аналіз вимог технічного завдання до проектування комп’ютеризованої системи формування рекомендацій на основі вподобань споживачів 9 1.2 Принципи та особливості побудови рекомендаційних систем 16 2 МОДЕЛІ ТА АРХІТЕКТУРА КОМП’ЮТЕРИЗОВАНИХ СИСТЕМ ФОРМУВАННЯ РЕКОМЕНДАЦІЙ НА ОСНОВІ ВПОДОБАНЬ СПОЖИВАЧА 21 2.1 Методи колаборативної фільтрації і сфера їх використання 21 2.2 Метрики подібності при визначенні схожих товарів та покупців у рекомендаційній системі 25 2.3 Процедури формування рекомендацій на основі вподобань споживачів 30 2.4 Проектування архітектури комп’ютеризованої системи формування рекомендацій на основі вподобань споживачів 34 2.5 Препроцесинг даних при формуванні рекомендацій споживачу 36 3 ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ КОМП’ЮТЕРИЗОВАНОЇ СИСТЕМИ ФОРМУВАННЯ РЕКОМЕНДАЦІЙ 45 3.1 Реалізація моделей для формування рекомендацій на основі популярності товарів 45 3.2 Реалізація моделей колаборативної фільтрації при формуванні персональних рекомендацій 51 3.3 Тестування та оцінювання якості моделей формування рекомендацій 58 4 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 65 ВИСНОВКИ 66 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 67 Додаток A. Технічне завдання 2uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subjectрекомендаціяuk_UA
dc.subjectвподобанняuk_UA
dc.subjectспоживачuk_UA
dc.subjectсистемаuk_UA
dc.subjectrecommendationuk_UA
dc.subjectpreferenceuk_UA
dc.subjectconsumeruk_UA
dc.subjectsystemuk_UA
dc.titleКомп’ютеризована система формування рекомендацій на основі вподобань споживачаuk_UA
dc.title.alternativeComputer-aided system of recommendations formation based on customer preferencesuk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holder© Денисов Денис Васильович, 2021uk_UA
dc.contributor.committeeMemberМлинко, Богдана Богданівна-
dc.contributor.committeeMemberMlynko, Bogdana-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.format.pages87-
dc.subject.udc004.75uk_UA
dc.relation.references1. Фоусет Т., Провост Ф. Data Science для бізнесу: Як збирати, аналізувати і використовувати дані. Наш формат. Київ. 2019. 400 с. 2. К. О Нил, Шатт Р. Data Science. Инсайдерская информация для новичков. Включая язык R. Издательский дом "Питер". 2018. 368 с. 3. Рекомендательные системы. URL: http://www.numberscompany.ru/ products/recommenders (дата звернення 20.03.2021 р.) 4. Setten M., Pokraev S., Koolwaaij J. Setten M. Context-aware recommendations in the mobile tourist application compass. Heidelberg, vol. 3137. 2004. pp. 515–548 5. Гомзин А., Коршунов А. Системы рекомендаций: обзор современных подходов. Труды ИСП РАН. 2012. URL: http://cyberleninka.ru/article/n/sistemy-rekomendatsiy-obzorsovremennyh-podhodov (дата звернення 27.03.2021 р). 6. Савчук Т.О., Сакалюк А.В. Застосування кластерного аналізу для колаборативної фільтрації. Вісник Хмельницького національного університету. №1. 2011. С. 186-192. 7. Linden G., Smith B., York J. Amazon.com recommendations: Item-to-item collaborative filtering. IEEE Internet Computing. vol. 7. No. 1. 2003. pp. 76–80. 8. Python‑recsys on Github. URL: https://github.com/ocelma/python‑recsys (дата звернення 15.04.2021 р). 9. Рекомендательные системы: Часть 1. Введение в подходы и алгоритмы URL: https://www.ibm.com/developerworks/ru/library/os‑recommender1/ (дата звернення 22.04.2021 р). 10. Preprocessing data. URL: https://scikit-learn.org/stable/modules/ preprocessing.html#preprocessing (дата звернення 28.04.2021 р.). 11. API reference. URL: https://pandas.pydata.org/docs/reference/index.html (дата звернення 03.05.2021 р.). 12. NumPy Reference. URL: https://numpy.org/doc/stable/reference/index.html (дата звернення 08.05.2021 р.) 13. Turi Create API Documentation. . URL: https://apple.github.io/turicreate/ docs/api/ (дата звернення 15.05.2021 р.) 14. Барсегян А. Анализ данных и процессов. 3 изд. БХВ-Петербург. 2009. 512 с. 15. Breese J., Heckerman D., Kadie C. Empirical Analysis of Predictive Algorithms for Collaborative Filtering. Proc. 14th Conf. Uncertainty in Artificial Intelligence. 1998. pp. 223-234. 16. Adomavicius G. На пути к новому поколению рекомендационных систем: обзор имеющихся систем и возможные инновации. IEEE Transactions on Knowledge and Data Engineering. Vol. 17. No. 6. 2005. c. 78-86 17. Лексин В.А. Анализ клиентских сред: выявление скрытых профилей и оценивание сходства клиентов и ресурсов. Математические методы распознавания образов-13. М. МАКС Пресс. 2007. С. 488-491 18. Kurucz M., Benczur A., Csalogany K. Methods for large scale SVD with missing values. Proceedings of KDD Cup and Workshop. 2007. pp. 122-129. 19. ДСанПіН 3.3-2.007-98 Державні санітарні правила і норми роботи з візуальними дисплейними терміналами електронно-обчислювальних машин. - Київ, 1999. - 18с. 20. НПАОП 0.00-1.28-10 «Правила охорони праці під час експлуатації електронно-обчислювальних машин». – Київ, 2010. – 8 с.uk_UA
dc.identifier.citationenDenysov D. Computer-aided system of recommendations formation based on customer preferences: Bachelor thesis „123 — Computer Engineering“ / Denysov Denys - Ternopil, TNTU, 2021 – 87 p.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.coverage.countryUAuk_UA
Appears in Collections:123 — Комп’ютерна інженерія (бакалаври)

Files in This Item:
File Description SizeFormat 
Denisov.pdf4,98 MBAdobe PDFView/Open
Авторська_довідка_Денисов_Д.doc45,5 kBMicrosoft WordView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools