|
|
Books Recommender System via Linked Open Data
Maleček, Ladislav ; Peška, Ladislav (vedoucí práce) ; Škoda, Petr (oponent)
Tato bakalářská práce se zaměřuje na použití metod doporučovacích systémů společně s Open Linked Data v doméně knih. Po důkladné analýze vícero dos- tupných zdrojů otevřených dat bylo usouzeno, že data dostatečné velikosti a kval- ity již existují. Po rozboru struktury těchto dat byl na základě získaných informací ze zdroje Wikidata vytvořen doporučovací systém ve formě webové aplikace. De- sign aplikace umožňuje rozšíření o další zdroje otevřených dat. Byl použit nový přístup pro generování doporučení, který využívá vícejazyčných tagů vytěžených z Wikipedie. Ukázali jsme, že je opravdu možné použít doporučovací systémy společně s Open Linked Data, ale díky zvýšené řídkosti dat je potřeba upravit standardní metody doporučovacích algoritmů odpovídajícím způsobem.
|
|
|
Recommender systems - models, methods, experiments
Peška, Ladislav ; Vojtáš, Peter (vedoucí práce) ; Jannach, Dietmar (oponent) ; Krátký, Michal (oponent)
Tato práce se zaměřuje na oblast doporučovacích systémů a učení preference uživatele. Koncentrovali jsme se především na specifika doporučování na menších e-commerce projektech a získávání implicitní zpětné vazby. Oproti jiným publikovaným pracem jsme se zaměřili na modelování vícero různých indikátorů zpětné vazby a navrhli jsme několik metod učení uživatelské preference na základě těchto indikátorů. Další části disertační práce se zaměřují na specifické problémy doporučování na malých e- commerce portálech: výběr doporučovacích algoritmů, používání externích datových zdrojů atd. Navrhované modely, metody I algoritmy byly porovnávány v off-line experimentech na reálných datasetech i v on-line experimentech za ostrého provozu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Content based Recommendation from Explicit Ratings
Ferenc, Matej ; Vojtáš, Peter (vedoucí práce) ; Peška, Ladislav (oponent)
V této práci porovnáváme několik modelů pro predikci uživatelských preferencí. Hlavním zaměřením jsou tzv. Content Based modely, které pracují s metadatami o objektech, které doporučujeme. Ty jsou srovnány s dalšími modely, které metadata neberou do úvahy. Pro získaní výsledků používáme tři datasety a tři metriky. Cílem diplomové práce je zjistit, jak můžou metadata o uživatelích a objektech zlepšit standardní modely pro doporučení. Výsledkem ale je, že metadata sice můžou zlepšit doporučení v některých případech, záleží ale na datasetu a na metrice, která byla použita. Toto zlepšení většinou není významné.
|
|
|
Content-based doporučovací systémy
Michalko, Maria ; Peška, Ladislav (vedoucí práce) ; Vojtáš, Peter (oponent)
Tato práce se zabývá problematikou tvoření doporučení pro jednotlivé uživatele prodejních webů na základě získaných uživatelských preferencí. Práce obsahuje přehled existujících doporučovacích systémů, způsobů získání uživatelských preferencí, metod využití obsahu objektů a doporučovacích algoritmů. Součásti diplomové práce je návrh a implementace nezávisle softwarové komponenty pro Content- based doporučování. Komponenta je schopna přijímat různě vyjádřené uživatelské preference, různé formy vstupních dat o objektu a obsahuje různé metody pro zpracování implicitní zpětné vazby a různé metody pro tvorbu doporučení. Komponenta je napsaná v programovacím jazyce Java a využívá databázi PostgreSQL. Další část práce obsahuje experimenty prováděné pomocí navržené komponenty na datasetech prodejních webů slantour.cz a antikvariat-ichtys.cz.
|
|
|
Využití preferencí zájemců při obchodování s nemovitostmi
Strnad, Radek ; Kopecký, Michal (vedoucí práce) ; Peška, Ladislav (oponent)
V poslední době se rozdělení hráčů na realitním trhu, aspoň tom českém, příliš nemění. Statistická data potvrzují, že se nevyskytují ani výraznější vzestupné tendence objemu prodaných a pronajatých nemovitostí. Pokud chtějí společnosti obchodující s realitami zaujmout větší podíl na trhu, musí si zajistit konkurenční výhodu nad ostatními. Jednou z možností, jak zaujmout více potenciálních zákazníků, může být zrychlení vyhledávacího procesu u webové prezentace společnosti. V mnohých případech se jedná až o stovky či tisíce různých nabídek, kterými se zájemce musí probrodit, než najde několik vyhovujících. Cílem diplomové práce je prozkoumat možnosti aplikace preferencí zájemců o obchodování s nemovitostmi. Jedná se zejména o zkoumání algoritmů doporučovacích systémů, jejich charakteristik a omezení. Autor vyhodnocuje použitelnost jednotlivých variant algoritmů a jejich funkčnost nad daty realitní kanceláře. Kromě teoretické části je v práci elaborován realitní informační systém RePort, který je rozšířen o framework pro implementaci algoritmů doporučovacích systémů. Autor má k dispozici provozní data středně velké realitní společnosti, nad kterými si může ověřit správnost svých rozhodnutí. V rámci informačního systému RePort a nově vybudovaného frameworku si implementuje vzorový doporučovací algoritmus a...
|
|
| |
|
|
Univerzální doporučovací systém
Cvengroš, Petr ; Vojtáš, Peter (vedoucí práce) ; Dědek, Jan (oponent)
Doporučovací systémy jsou programy, které se uživateli nabízejí objekty (např. knihy nebo hudbu), které by pro něj mohly být zajímavé. Tyto systémy získávají vzrůstající popularitu a jsou intenzivně studovány výzkumnými skupinami po celém světě. Ve webových systémech, jako jsou internetové obchody nebo komunitní servery, bývají obvykle k dispozici různé datové zdroje, které mohou být využity k doporučování, např. atributy uživatelů a objektů, hodnocení objektů uživateli nebo nepřímá zpětná vazba získaná ze zaznamenaného chování uživatele. V této práci představujeme koncept Univerzálního doporučovacího systému (Unresyst), který dokáže využít těchto datových zdrojů a zároveň je doménově nezávislý. V práci navrhujeme způsoby využití systému Unresyst, ze současných metod používaných k doporučování vybíráme jako nejvíce vhodnou knowledge-based metodu kombinovanou s kolaborativním filtrováním. Dále analyzujeme datové zdroje v různých systémech a zobecňujeme je tak, aby byly doménově nezávislé. Navrhujeme architekturu systému Unresyst, popisujeme rozhraní systému a způsoby zpracování datových zdrojů. Dále přizpůsobujeme Unresyst na tři data sety z reálných systémů, vyhodnocujeme přesnost doporučení a srovnáváme ji se současnými algoritmy pro kolaborativní filtrování. Srovnání ukazuje, že kombinování různých...
|
|
|
Uživatelské preference v prostředí prodejních webů
Peška, Ladislav ; Vojtáš, Peter (vedoucí práce) ; Eckhardt, Alan (oponent)
Cílem práce je nejprve vyhledání dostupných informací o uživatelských preferencích, uživatelské zpětné vazbě a jejich získávání, zpracování, skladování atd. Ze získaných informací pak sestavit návrhy či doporučení pro tvorbu doporučovacích systému v prodejnách webech (především se zaměřením na implicitní zpětné vazby). Další části práce se pak zabývají pak návrhem a implementací UPComp - samostatné doporučovací komponenty pro prodejní weby, která umožňuje dotazování na základě uživatelských preferencí. Komponenta je napsána v programovacím jazyce PHP a využívá databázi MySQL. Součástí práce je také testování komponenty na existujících prodejních webech slantour.cz a antikvariat-ichtys.cz.
|
|
|
Webová aplikace doporučovacího systému
Hlaváček, Pavel ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Práce se zabývá problematikou doporučovacích systémů a jejich využití ve webových aplikacích. Jsou zde shrnuty základní techniky data miningu a jednotlivé přístupy pro doporučování. Hlavní částí práce je návrh a implementace webové aplikace pro doporučování jídla z restaurací. Je zde navržen a implementován algoritmus pro doporučování jídel, který se snaží řešit problém s často měnicími položkami. Tento algoritmus vychází z hybridní techniky filtrování založené na obsahu a znalostech, která pro vlastní výpočet využívá kosinové podobnosti vektorů.
|
|
|
Webová aplikace doporučovacího systému
Koníček, Igor ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce řeší tvorbu doporučovacího systému, který je využit v~reálné aplikaci serveru cbdb.cz. S~využitím přístupů kolaborativního filtrování a filtrování založeného na obsahu se podařilo vyvinout funkční doporučovací systém. Díky zpětné vazbě uživatelů bylo zjištěno, že většina doporučených knih je pro ně relevantní. Hlavním přínosem této práce je rozšíření stávající funkčnosti serveru cbdb.cz o~doporučovacím systémem, který využívá jeho rozsáhlé databáze hodnocení, uživatelů a knih.
|
host ::
RSS.