Выработка рекомендаций на основе предпочтений пользователей

• Номер работы:
  549165
• Раздел:
  Все работы   →   Дипломные работы   →   Информационное обеспечение, программирование
• Год добавления:
  31.05.2019 г.
• Объем работы:
  91 стр.
• Содержание:
  Введение 3
  1 Аналитический раздел 5
  1.1 Постановка задачи 5
  1.2 Понятие о рекомендательных системах и сферах их применения 7
  1.3 Принципы работы рекомендательных систем 11
  1.4 Анализ алгоритмом выработки рекомендаций 20
  1.5 Алгоритмы выработки рекомендаций на основе коллаборативной фильтрации 21
  1.6 Методы кластеризации данных 33
  2 Конструкторский раздел 37
  2.1 Разработка базы данных объектов предпочтения и пользователей системы 37
  2.2 Особенности программной реализации с использованием метода коллаборативной фильтрации 39
  2.3 Построение пользовательского интерфейса 45
  3 Технологический раздел 47
  3.1 Выбор инструментов разработки 47
  3.2 Особенности технической реализации 49
  3.3 Описание пользовательских интерфейсов и их реализация 54
  Заключение 64
  Список использованных источников 66
  Приложение 68
  
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Выработка рекомендаций на основе предпочтений пользователей
  Введение
  Рекомендательные системы изменили способы взаимодействия неодушевленных веб-сайтов со своими пользователями. Вместо предоставления статической информации, когда пользователи ищут и, возможно, покупают продукты, рекомендательные системы увеличивают степень интерактивности для расширения предоставляемых пользователю возможностей. Рекомендательные системы формируют рекомендации независимо для каждого конкретного пользователя на основе его прошлых покупок и поисков, а также на основе поведения других пользователей.
  Рекомендательные системы применяются в основном для предложения клиенту в реальном времени продуктов (фильмов, книг, одежды), которые вероятно, его заинтересуют. Особенно широко рекомендательные системы используются в электронной коммерции. Применение рекомендательных систем распространяется в последнее время на стационарную торговлю, справочные центры, поиск по программному обеспечению, научным статьям и т.п. [3]
  Это применение характеризуется предоставлением рекомендаций пользователям автоматически, на основании уже совершенных действий (покупок, выставленных рейтингов, посещений и т.д.) и приемом от них обратной связи (заказы в магазинах, переход по ссылкам и т.п.). Рекомендательные системы являются одним из важных разделов интеллектуального анализа данных – Data mining [13].
  .....................
  1 Аналитический раздел
  1.1 Постановка задачи
  В соответствии с заданием на квалификационную работу необходимо разработать методику выработки рекомендаций на приобретение более предпочтительного товара в интернет-магазине (на примере выбора ноутбука) на основе предпочтений пользователей, которые уже использовали данный вид товара и провели его оценку.
  Ограничения, накладываемые на методику выработки рекомендаций:
  ? методика должна быть унифицирована для разных видов товара;
  ? в рамках методики должна быть описана метрика оценки близости рекомендации с ожиданиями пользователя;
  ? выработка корректных рекомендаций должна производиться с учетом возможной разреженности матрицы предпочтений;
  ? используемые технологии должны позволять проводить обработку больших массивов данных.
  Фактически, поставленная задача формализуется следующим образом: имеется N объектов контента (товаров в интернет-магазине), например ноутбуков. Набор оценок отдельного пользователя является вектором в N-мерном пространстве товаров, сравнение же векторов является вполне разрешимой задачей. Существуют несколько способов определения мер похожести, наиболее популярными среди которых являются:
  ? косинусная мера определения похожести;
  ............