|
|
Neuronové sítě pro doporučování knih
Gráca, Martin ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá oblastí Doporučovacích systémů využívající Hluboké neuronové sítě a jejich využití při doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém doporučuje na základě uživatelských dat, včetně uživatelských recenzí a knižních textových dat. Na vytvořené datové sadě systém dosahuje chyby RMSE 1,086.
|
|
|
Neuronové sítě pro doporučování knih
Gráca, Martin ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá oblastí doporučovacích systémů využívající hluboké neuronové sítě pro doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém obsahuje faktorizaci matice jako techniku kolaborativního filtrování a doporučuje na základě minulých uživatelských hodnocení a knižních metadat, včetně textového popisu knih. Navrhl jsem 2 modely, jeden s bag-of-words a druhý s konvoluční sítí. Oba modely dosahují lepších výsledků než baseline metody. Na vytvořené datové sadě, která byla vytvořena z knižní databáze Goodreads, dosahuje model s konvoluční sítí ještě lepšího výsledku než model s BOW.
|
|
|
Systém pro doporučování filmů
Hnatovskyj, Vítek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na systém pro doporučování filmů. Nejdříve je popsána problematika doporučovacích systémů obecně a jsou popsány jednotlivé typy těchto systémů. Hlavním cílem je implementovat systém, který uživateli doporučí relevantní filmy na základě jeho preferencí. Tento systém je hybridní a skládá se ze systému založeném na obsahu a systému kolaborativního filtrování. Pro otestování systému je implementována jednoduchá aplikace, která je v této práci také popsána. Následně je systém evaluován za pomoci offline metrik a také pomocí testování na uživatelích.
|
|
|
Neuronové sítě pro doporučování knih
Gráca, Martin ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá oblastí Doporučovacích systémů využívající Hluboké neuronové sítě a jejich využití při doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém doporučuje na základě uživatelských dat, včetně uživatelských recenzí a knižních textových dat. Na vytvořené datové sadě systém dosahuje chyby RMSE 1,086.
|
|
|
Návrh řešení studeného startu doporučovacího systému
MAŠTALÍŘ, Jakub
Hlavní téma této bakalářské práce tkví v návrhu a implementaci modulu doporučovacího systému v oblasti turistiky a cestování. V teoretické části je cílem zmapovat prostředí doporučovacích systémů, jejich typy a přístupy. Dále je zde popsán problém studeného startu a teorie Bayesovských sítí, na jejichž základě budou zpracovávána a prezentována data pro doporučení. V praktické části již programujeme a testujeme doporučovací modul, je zde uveden popis využitých technologií a jsou rozebrány jednotlivé funkcionality doporučovacího modulu zaměřeného na ubytování v Českých Budějovicích
|
|
|
Neuronové sítě pro doporučování knih
Gráca, Martin ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá oblastí doporučovacích systémů využívající hluboké neuronové sítě pro doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém obsahuje faktorizaci matice jako techniku kolaborativního filtrování a doporučuje na základě minulých uživatelských hodnocení a knižních metadat, včetně textového popisu knih. Navrhl jsem 2 modely, jeden s bag-of-words a druhý s konvoluční sítí. Oba modely dosahují lepších výsledků než baseline metody. Na vytvořené datové sadě, která byla vytvořena z knižní databáze Goodreads, dosahuje model s konvoluční sítí ještě lepšího výsledku než model s BOW.
|
|
|
OLAP Recommender
Koukal, Bohuslav ; Chudán, David (vedoucí práce) ; Vojíř, Stanislav (oponent)
Manuální prozkoumávání agregovaných dat v datových kostkách a vyhledávání potenciálně užitečných informací je od určitého objemu dat časově náročné a neefektivní. V této práci jsem navrhnul, implementoval a na reálných datech otestoval systém, který prohledávání datové kostky automatizuje a nabízí uživateli potenciálně zajímavé pohledy na OLAP kostku. Systém je založen na propojení dvou metod datové analýzy - vizualizaci dat v OLAP analýze a dobývání znalostí z dat, reprezentovaném GUHA asociačními pravidly. Dalším přínosem práce je výzkum možností řešení rozdílů mezi OLAP analýzou a dolováním asociačních pravidel. Mezi implementačně řešené rozdíly patří především diskretizace dat, problém souměřitelnosti dimenzí, návrh automatického nastavení algoritmu pro dolování na základě struktury dat a definice provázání asociačních pravidel s OLAP vizualizací. Nástroj byl testován s reálnými maloobchodními prodejními daty a s daty o strukturálních fondech EU. Testování prokázalo, že propojení metod dolování asociačních pravidel a OLAP analýzy dokáže identifikovat zajímavé vztahy v datech s vyšší úspěšností než použití těchto metod samostatně.
|
|
|
Dolování asociačních pravidel jako podpora pro OLAP
Chudán, David ; Svátek, Vojtěch (vedoucí práce) ; Máša, Petr (oponent) ; Novotný, Ota (oponent) ; Kléma, Jiří (oponent)
Cílem této práce je identifikovat možnosti komplementárního využití dvou metod datové analýzy, OLAP analýzy a dobývání znalostí z databází reprezentovaného GUHA asociačními pravidly. Použití těchto dvou metod v rámci navrhovaných scénářů na jednom datasetu se prokazuje synergický efekt, kdy výsledné znalosti získané z dat předčí výsledky použití obou těchto analytických metod nezávisle na sobě. To je hlavní přínos této práce. Dalším přínosem je originální využití GUHA asociačních pravidel jakožto techniky dobývání znalostí z databází, kdy dolování probíhá na agregovaných datech. GUHA asociační pravidla ve svých možnostech předčí klasická asociační pravidla uváděná v literatuře. Výsledky experimentů na reálných datech prokazují nalezení nestandardních trendů v datech, jejichž identifikace standardními metodami OLAP analýzy by vyžadovala ruční procházení dané OLAP kostky, což je časově velice náročné. Naopak při samotném použití asociačních pravidel se ztrácí celkový pohled na data, který je velmi dobře prezentován OLAP kostkou. Je možné prohlásit, že se tyto dvě metody velmi dobře doplňují. Součástí řešení je rovněž využití skriptovacího jazyka LMCL, který automatizuje vybrané části procesu dobývání znalostí z databází. Navrhovaný doporučovací nástroj by následně odstínil uživatele od asociačních pravidel a umožnil tak i běžným analytikům neznalým teorie využít jejich možnosti. Práce kombinuje kvantitativní a kvalitativní výzkum. Kvantitativní výzkum je reprezentován experimenty s reálnými daty, návrhem doporučovacího systému a implementací vybraných částí procesu dobývání znalostí z databází s využitím skriptovacího jazyka LMCL. Kvalitativní výzkum je reprezentován strukturovaným rozhovorem s vybranými experty z dané oblast, kteří potvrzují smysluplnost navrhovaných metod v této práci.
|
|
| |
|
|
Doporučovací systém pro vybraný e-shop
VOSÁTKA, Pavel
Cílem této bakalářské práce je navrhnout a implementovat doporučovací systém pro vybraný e-shop, který by na základě své databáze a podle zadání uživatele pomohl vybrat a nabídnout určitý předmět jeho zájmu. V teoretické části se čtenář seznamuje s problematikou uživatelských preferencí a několika základními implementačními přístupy těchto systémů. Dále se dozvídá informace o vývojářských nástrojích používaných při realizaci modulu pro doporučení, který využívá jako programovací jazyk C#. Vlastnosti tohoto systému jsou následně popsány v praktické části pomocí ukázek jednotlivých funkcionalit.
|
host ::
RSS.