|
|
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.
|
|
|
Systém pro doporučování filmů
Janko, Pavel ; Zbořil, František (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá především přístupy k sestrojení systému pro doporučování filmů. Je zde obecně popsán princip neuronových sítí a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a experimentování se systémem, jehož cílem je doporučování filmů na základě dat pocházejících z volně dostupných datových sad. Pro předpovědi hodnocení, které by uživatel udělil filmům po jejich shlédnutí, systém využívá faktorizační model založený na kolaborativním filtrování. Práce dále řeší souvislosti konfigurace hyperparametrů modelu s přesností doporučení, provádění experimentů za účelem zlepšení přesnosti modelu a nakonec srovnání modelu s existujícími řešeními.
|
|
|
Doporučování filmů na základě uživatelských profilů ČSFD
Janko, Pavel ; Šůstek, Martin (oponent) ; Uhlíř, Václav (vedoucí práce)
Tato práce se zabývá problematikou využití neuronových sítí pro doporučování filmů. Je zde obecně popsán princip využití neuronových sítí u strojového učení a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a zhodnocení systému, jehož cílem je doporučování filmů na základě dat vydolovaných z uživatelských profilů ČSFD (Česko-Slovenské filmové databáze). Pro splnění tohoto účelu systém využívá explicitní faktorizační model založený na kolaborativním filtrování mezi položkami k co nejpřesnějšímu odhadu hodnocení, které by uživatel filmu po jeho shlédnutí udělil. Práce dále řeší souvislost obsáhlosti datové sady a přesnosti doporučení a demonstruje tuto přesnost analýzou zpětné vazby uživatelů.
|
|
|
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.
|
|
|
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.
|
|
|
Jednoduchý doporučovací systém
Gorčák, Damián ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
Odporucacie systemy su velmi dolezite pri vyhladavani roznych poloziek napriec internetom. Existuje mnoho algoritmov pre vytvaranie odporuceni. Cielom tejto prace bolo najst vhodne datove sady a vytvorit aplikaciu, ktora ich dokaze spracovat. Nasledne porovnat datove sady spolu s vybranymi algoritmami odporucacich systemov.
|
|
|
Recommender System for Web Articles
Kočí, Jan ; Kesiraju, Santosh (oponent) ; Fajčík, Martin (vedoucí práce)
Recommender systems for web articles are the main interest of this thesis. It explains the most popular approaches used to build these systems, proposes a neural-network-based architecture applying the Skip-gram inspired negative sampling method to the recommendation problem, implements this architecture together with several other models, using Singular value decomposition, collaborative filtering with Alternating Least Squares (ALS) algorithm and a content-based approach using the Doc2Vec algorithm to create document vectors from the obtained articles. Finally, it implements three evaluation metrics - namely the RANK metric, Recall at k and Precision at k - and compares the models with state-of-the-art. Apart from that it also gives a brief discussion on the role and purpose of these systems together with the motivation of using them.
|
|
|
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.
|
|
|
Jednoduchý doporučovací systém
Gorčák, Damián ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
Odporucacie systemy su velmi dolezite pri vyhladavani roznych poloziek napriec internetom. Existuje mnoho algoritmov pre vytvaranie odporuceni. Cielom tejto prace bolo najst vhodne datove sady a vytvorit aplikaciu, ktora ich dokaze spracovat. Nasledne porovnat datove sady spolu s vybranymi algoritmami odporucacich systemov.
|
|
|
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)
|
host ::
RSS.