Розробка інтелектуальної інформаційної системи аналізу та прогнозування даних із використанням методів машинного навчання та оптимізації моделей

Abstract

Кваліфікаційна робота присвячена дослідженню та розробленню інтелектуальної інформаційної системи аналізу читацьких уподобань і формування персоналізованих рекомендацій книг. В першому розділі кваліфікаційної роботи описано предметну область книжкових рекомендаційних систем. Розглянуто основні підходи до формування рекомендацій. Проаналізовано переваги та недоліки колаборативної, змістової та гібридної фільтрації. В другому розділі кваліфікаційної роботи досліджено вимоги до інформаційної системи, спроєктовано її архітектуру, структуру бази даних та процес машинного навчання. Подано алгоритм пошуку книжкового двійника користувача та методику експериментального оцінювання моделей рекомендацій. В третьому розділі кваліфікаційної роботи описано програмну реалізацію системи рекомендації книг. Проаналізовано особливості реалізації алгоритмів персоналізації та вебінтерфейсу. Проведено експериментальне оцінювання рекомендаційних моделей і функціональне тестування розробленої системи. Об’єкт дослідження: процес формування персоналізованих книжкових рекомендацій на основі аналізу читацьких уподобань користувачів. Предмет дослідження: методи та алгоритми побудови рекомендаційних систем, засоби машинного навчання та програмні компоненти інформаційної системи рекомендації книг.

The qualification work is devoted to the research and development of an intelligent information system for analyzing readers’ preferences and generating personalized book recommendations. The first chapter describes the subject area of book recommendation systems. The main approaches to generating recommendations are considered. The advantages and disadvantages of collaborative filtering, content-based filtering and hybrid filtering are analyzed. The second chapter investigates the requirements for the information system and presents the design of its architecture, database structure and machine learning process. An algorithm for finding a user’s book twin and a methodology for the experimental evaluation of recommendation models are proposed. The third chapter describes the software implementation of the book recommendation system. The features of implementing personalization algorithms and the web interface are analyzed. Experimental evaluation of recommendation models and functional testing of the developed system are carried out. Object of research: the process of generating personalized book recommendations based on the analysis of users’ reading preferences. Subject of research: methods and algorithms for building recommendation systems, machine learning tools, and software components of an information system for book recommendation.