|
|
Doporučovací systémy pro doménu receptů
Starýchfojtů, Josef ; Peška, Ladislav (vedoucí práce) ; Bernhauer, David (oponent)
Doporučovací systémy v dnešní době vnikají více a více do našich každodenních životů v podobě různých platforem například pro poslouchání muziky nebo sledování seriálů. Jako jejich uživatelé tak nemusíme obsah v těchto oblastech aktivně hledat, ale pouze si ho nechat pohodlně doporučit. Jednou z oblastí, která zůstává nepokryta je doména receptů. Pro uvaření receptu si ho musíme nejprve vybrat v nějaké kuchařce, jít nakoupit a až poté ho uvařit. Při tom často dochází k nesrovnalostem mezi dostupností surovin a obsahu vybraného receptu. Cílem práce je vytvoření podobné platformy pro tuto doménu. Hlavní částí je prů- zkum a uplatnění doporučovacích systémů v této doméně, návrh několika metod a jejich testování. Následně také nasazení těchto metodik do praxe pomocí mobilní aplikace, která bude sloužit jako asistent k nákupu a vybírání receptu. 1
|
|
|
User preference visualization for music
Gajdušek, Pavel ; Peška, Ladislav (vedoucí práce) ; Škoda, Petr (oponent)
Většina on-line hudebních portálů nabízí uživatelům seznamy doporučených skladeb, které jsou výstupem "black-box" doporučovacích algoritmů. Doporučení často bývá pro uživatele netransparentní a případné doporučení nebo přehrávání irelevantního obsahu tak má výraznější negativní dopady. Doporučování probíhá především na základě vy- počtených podobností mezi uživateli nebo objekty založené buď na kolaborativním prin- cipu, nebo podobnosti vlastního obsahu. Tato bakalářská práce si klade za cíl navrhnout a implementovat vhodnou vizualizaci těchto vztahů ve formě interaktivního grafu pro konkrétní uživatele platformy Spotify. Vizualizace by měla uživatelům pomoci uvědomit si, že jejich data obsahují vnitřní struktury, ze kterých vychazí doporučování skladeb a umělců. Výstupní program by měl také umožnit přehrávání skladeb obsažených v grafu. 1
|
|
|
Predicting novel drug-target interactions via deep learning techniques
Frey, Adam ; Peška, Ladislav (vedoucí práce) ; Kratochvíl, Miroslav (oponent)
Adam Frey Záměrem této práce bylo vyvinout model strojového učenı́ pro predikci in- terakcı́ mezi léky a bı́lkovinami v těle. Inspirována předchozı́mi metodami zaměřila se práce hlavně na metody typu "collaborative filtering" a hlubokého učenı́. Cı́lem bylo překonánı́ předchozı́ch modelů. Tento cı́l byl dosažen po- mocı́ série vylepšenı́ základnı́ho algoritmu faktorizace latentnich matic na rele- vantnı́m datasetu. Malé množstvı́ dat se aktuálně jevı́ jako bariéra pro využitı́ vı́ce sofistikovaných metod hlubokého učenı́. Hybridnı́ přistupy doporučovacı́ch systémů kombinujı́cı́ vı́cero typů dat se zdajı́ jako logický dalšı́ krok.
|
|
|
Framework Supporting Online Evaluation of Recommender Systems
Novák, Ondřej ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Touto prací se snažíme vyzdvihnout důležitost online evaluace pro testování doporučovacích systémů. Nejprve se podíváme na metody a způsoby, jakými moderní doporučovací systémy fungují. Také uvedeme, jak jsou porovnávány jak v online, tak v offline prostředích. S pomocí těchto znalostí si dáváme za cíl vytvořit .NET framework, který bude schopen sledovat různé doporučovací systémy a jehož cílem bude měření a porovnávání jejich výkonu během online provozu. Na ukázku funkcionality tohoto frameworku s jeho pomocí vytvoříme maketu online filmové databáze, kde uživatelé mohou hodnotit filmy a získávat doporučení.
|
|
|
High-performance inverted index database
Javorský, Dávid ; Kratochvíl, Miroslav (vedoucí práce) ; Peška, Ladislav (oponent)
Cieľom práce je implementovať databázu invertovaných indexov, ktorá poskytuje zlepšenie v spracovaní netextových dát, čo je obzvlášť prínosné v niekoľkých oblastiach výskumu. Hlavné dátové štruktúry databázy sú navrhnuté tak, aby boli cache-oblivious a súčasne redukovali veľkosť ukladaných dát. Táto práca zahŕňa prehľad bežných metód, ktoré invertované indexy implementujú, a opisuje príbuzné štruktúry vo vhodnom cache modeli. To vedie k zlepšeniu kompresie a podobnému výkonu ako majú aktuálne dostupné, vysoko výkonné databázy. Meranie vykonané na chemicko-informatických dátach ukázalo, že software je použiteľný ako okamžitá účinná náhrada back-endov špeciálnych molekulových databáz.
|
|
|
Similarity methods for music recommender systems
Vystrčilová, Michaela ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Tradiční hudební doporučovací systémy využívají metody kolaborativního filtrování. To je ovšem nevýhoda pro posluchače, kteří preferují méně mainstreamové skladby, pro- tože kolaborativní filtrování je závislé na popularitě skladeb. Doporučování na základě obsahu by mohlo být rozumná volba při řešení tohoto problému. Vzhledem k tomu, že vyhledávání na základě tagů je rozšířené při napomáhání tradičním hudebním do- poručovacím systémum, v této práci představujeme jiné "content-based" metody, které stanovují podobnost skladeb na základě využití textu a hudby. Jako první jsme vy- hodnotili správnost doporučování několika textových a hudebních metod na playlistech skutečných uživatelů a zjistili, že textové metody mají výsledky konkurence schopné v porovnání s audio metodami. Výsledky také odhalily, že v obou kategoriích jsou metody, které jsou 100 krát lepší než náhodné dopourčování a mají potenciál ke zlepšení. Po vyhodnocovací fázi jsme vybrali kvalitní metody a implementovali je do webové aplikace, která má za cíl doporučovat novou hudbu uživatelům podle dle preferencí. 1
|
|
|
Known-Item Search in Image Datasets Using Automatically Detected Keywords
Souček, Tomáš ; Lokoč, Jakub (vedoucí práce) ; Peška, Ladislav (oponent)
Hledání známého objektu představuje případ, kdy uživatel hledá konkrétní obrázek v databázi, ale nezná jeho pozici. Tato práce se zaměřuje na návrh a evaluaci modelu pro hledání známého obrázku pomocí klíčových slov. Pro účel přiřazení slov k jednotlivým obrázkům databáze je použita hluboká neuronová sít trénovaná pomocí námi vybraných dat. Nad tímto modelem navrhujeme dotazovací rozhraní pro intuitivní a rychlé vyhle- dávání obrázků. Kvalitu modelu při interaktivním hledání odhadujeme pomocí simulací různých uživatelů. Dále rozebíráme naši úspěšnou účast na dvou mezinárodních soutěžích. 1
|
|
|
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.
|
|
|
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.
|
|
|
Vytvoření prezentační vrstvy a rozhraní systému pro integraci a vyhledávání informací
Hladík, Tomáš ; Nečaský, Martin (vedoucí práce) ; Peška, Ladislav (oponent)
Cílem této práce je analyzovat, navrhnout a implementovat systém pro prezentaci business objektů, které jsou dostupné skrze již existující RESTful API. Data pocházejí z integračního systému, který je spojuje z různých zdrojů a publikuje společně s informacemi o způsobu jejich uložení. Tato práce si klade za cíl vytvořit pohledy na data, jež splňují následující požadavky - reakce na změnu metadat, více výstupních formátů a uživatelsky nastavitelné pohledy. Aplikace má být snadno modifikovatelná a napojitelná i na již existující webové systémy.
|
host ::
RSS.