|
|
Educational System for Recommending Study Activities
Zapletal, Jakub ; Bartík, Vladimír (oponent) ; Burget, Radek (vedoucí práce)
The purpose of this work is to design and implement a module for an already existing recommender system at the Open University, Milton Keynes. The existing system uses information about user activity in the Virtual Learning Environment (VLE) gathered from previous years and uses it to recommend relevant study activities for students.This module uses semantical similarity of study materials to recommend those which help user to~complete an~assignment or to find materials similar to ones provided.Similarities between documents are computed using Term Frequency - Inverse Document Frequency and word embedding methods.RESTful API was devised to communicate with the OU~Analyse interface.
|
|
|
Doporučování hudebního obsahu založené na technikách získávání hudební informace
Semela, René ; Schimmel, Jiří (oponent) ; Kiska, Tomáš (vedoucí práce)
Tato práce se zabývá návrhem, implementací a testováním obsahově založeného systému pro doporučování hudebního obsahu založeném na technikách získávání hudební informace. V úvodu je pozornost věnována problematice získávání hudebních informací, oblastem jejich využití a nástrojům pro jejich získávání. V další řadě jsou popsány nejpoužívanější typy doporučovacích systémů včetně jejich typických problémů. Jako další jsou zmíněny možnosti hybridizace těchto systémů a jako příklad jsou zmíněny populární systémy pro doporučování hudby včetně nástinu principu jejich činnosti. Následující část je věnována parametrizaci hudebních děl a věnuje se popisu konkrétních nejpoužívanějších parametrů. Další část je potom věnována návrhu obsahově založeného doporučovacího systému včetně vytyčení konkrétních parametrů sloužících k diferenciaci hudebních nahrávek pomocí algoritmu mRMR a dalších postupů. Samotný návrh doporučovacího systému je orientován na klasifikační algoritmus k-nejbližších sousedů. Dále je věnována pozornost modelu uživatelského vkusu zaznamenávaného pomocí Rocchio algoritmu. V druhé polovině této práce je systém implementován podle návrhu a je zde popsána jeho činnost včetně procesů probíhajících na pozadí. Závěr práce se potom věnuje testování systému na skupině uživatelů a následnému vyhodnocení.
|
|
|
Doporučování se zaměřením na kulturní portály
Vytisková, Zuzana ; Peška, Ladislav (vedoucí práce) ; Kopecký, Michal (oponent)
Diplomová práce se zabývá tématem doporučování v kultuře. V teoretické části srovnává doporučování digitálně dostupných děl s doporučováním akcí, což slouží jako východisko pro popis doporučování na kulturním portálu. Dále práce zkoumá model domény jako několika různých, vzájemně provázaných typů objektů. Využití těchto vazeb pro obohacování datových sad umožňuje překonat nízkou hustotu dat a zlepšit výsledky doporučování. Práce dále zkoumá dvě běžné situace praktického doporučování, doporučování obecnému uživateli s minimálním profilem a doporučování registrovanému uživateli se známou historií. Pro účely jejich řešení byly implementovány hybridní algoritmy založené na zapojení obsahových informací do již existujících metod kolaborativního filtrování. Výsledky jsou ověřeny v offline testech na datových sadách výzkumného i reálného charakteru. Subjektivní kvalita výsledných doporučení byla zkoumána prostřednictvím uživatelské studie.
|
|
|
Metodický postup zavedení doporučovacího systému s využitím nástroje Soyka
Müller, Petr ; Gála, Libor (vedoucí práce) ; Fanta, Michal (oponent)
Tato diplomová práce se zabývá problematikou personalizace obsahu, specificky doporučovacími systémy. Cílem práce je navrhnout metodický postup zavedení doporučovacího systému v prostředí elektronického obchodování s využitím IT nástroje Soyka. Na základě teoretického vymezení doporučovacích systémů a jejich technologických přístupů jsou identifikovány funkce personalizačních nástrojů, které přímo souvisí s doporučovacími systémy. Dle identifikovaných funkcí je vymezena pozice nástroje Soyka, který je předmětem navrženého metodického postupu. Přínosem práce je vytvoření a publikace metodického postupu, který lze využít v praxi, a to všemi osobami, které jsou zainteresované na projektech zavádění nástroje Soyka.
|
|
|
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...
|
|
| |
host ::
RSS.