Original title: Hybridní doporučování pro doménu knih
Translated title: Hybrid recommender systems for books domain
Authors: Varga, Ondřej ; Peška, Ladislav (advisor) ; Dokoupil, Patrik (referee)
Document type: Bachelor's theses
Year: 2023
Language: cze
Abstract: [cze] [eng]
Bakalářská práce se zabývá tématem doporučovacích systémů, které jsou důležité zejména v e-commerce oblasti. Hlavním cílem práce bylo implementovat doporučovací systém, který by pokrýval potřeby doporučování v knižní doméně (na e-shopu zabýva- jící se prodejem knih). Těžištěm práce je implementovaný doporučovací systém, který zpracovává data dostupná pro doménu knih, nicméně je navržen obecněji tak, aby bylo možné jeho nasazení jako Recommendation-as-a-Service. Systém obsahuje jak samotné doporučovací algoritmy (kolaborativní, content-based i hybridní), tak i podporu pro jed- notlivé fáze životního cyklu doporučovaní, monitorování výkonosti doporučení a snadnou administraci pomocí interaktivního webového rozhraní. Doporučovací algoritmy jsme následně vyhodnotili, přičemž z experimentů plyne, že kolaborativní metody, zejména ALS faktorizace matic a ELSA, dosahují lepších výsledků s ohledem na metriky relevance. Nicméně hybridní přístupy a content-based metody mohou mít výhody, co se týká metrik nad rámec přesnosti, zejména Coverage a Novelty. 1 The bachelor thesis deals with the topic of recommender systems, which are especially important in e-commerce field. The main goal of the thesis was to implement a recom- mender system that would cover the needs of recommending in the book domain (on an e-shop dealing with book sales). The focus of the work is the implemented recommender system that handles the data available for the book domain, however, it is designed more generally to be deployable as Recommendation-as-a-Service. The system includes both the recommendation algorithms themselves (collaborative, content-based and hybrid), as well as support for the different phases of the recommendation lifecycle, recommendation performance monitoring and easy administration through an interactive web interface. We then evaluated the recommendation algorithms, with experiments showing that collaborative methods, in particular ALS matrix factorization and ELSA, perform better with respect to relevance metrics. However, hybrid approaches and content-based methods may have advantages with respect to beyond accuracy metrics, especially Coverage and Novelty. 1
Keywords: hybrid recommender systems|books|NLP|BERT; Hybridní doporučovací systémy|knihy|NLP|BERT

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/184422

Permalink: http://www.nusl.cz/ntk/nusl-534178


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Bachelor's theses