prikaz prve stranice dokumenta Metode i algoritmi u sustavima preporučivanja
Pristup korisnicima matične ustanove
diplomski rad
Metode i algoritmi u sustavima preporučivanja
Rijeka: Sveučilište u Rijeci, 2019. urn:nbn:hr:195:112392
Volarić, Ana
Sveučilište u Rijeci
Fakultet informatike i digitalnih tehnologija

Citirajte ovaj rad

Volarić, A. (2019). Metode i algoritmi u sustavima preporučivanja (Diplomski rad). Rijeka: Sveučilište u Rijeci. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:195:112392

Volarić, Ana. "Metode i algoritmi u sustavima preporučivanja." Diplomski rad, Sveučilište u Rijeci, 2019. https://urn.nsk.hr/urn:nbn:hr:195:112392

Volarić, Ana. "Metode i algoritmi u sustavima preporučivanja." Diplomski rad, Sveučilište u Rijeci, 2019. https://urn.nsk.hr/urn:nbn:hr:195:112392

Volarić, A. (2019). 'Metode i algoritmi u sustavima preporučivanja', Diplomski rad, Sveučilište u Rijeci, citirano: 20.04.2024., https://urn.nsk.hr/urn:nbn:hr:195:112392

Volarić A. Metode i algoritmi u sustavima preporučivanja [Diplomski rad]. Rijeka: Sveučilište u Rijeci; 2019 [pristupljeno 20.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:195:112392

A. Volarić, "Metode i algoritmi u sustavima preporučivanja", Diplomski rad, Sveučilište u Rijeci, Rijeka, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:195:112392

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:195:112392
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovMetode i algoritmi u sustavima preporučivanja
Naslov (engleski)Methods and Algorithms for Recommender Systems
AutorAna Volarić
MentorSanda Martinčić-Ipšić (mentor)
Član povjerenstvaMarina Ivašić-Kos (predsjednik povjerenstva)
Član povjerenstvaSanda Martinčić-Ipšić (član povjerenstva)
Član povjerenstvaAna Meštrović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
(Fakultet informatike i digitalnih tehnologija)
Rijeka
Datum i država obrane2019-12-04, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Sažetak
Sustavi za preporučivanje se koriste na mnogim internetskim stranicama. Njihov cilj je prepoznati što je korisniku zanimljivo te izdvojiti i prikazati takve predmete. Za to je potrebno prikupiti podatke koji otkrivaju korisnikov ukus tj. ocjene, događaje i ponašanje korisnika. Podaci se spremaju u obliku korisnik-predmet matrice u kojoj se za svaki korisnik-predmet par daje vrijednost koja predstavlja stupanj preferencije tog korisnika za taj predmet. Sustavi za preporučivanje se dijele na sustave temeljene na sadržaju i sustave temeljene na suradnji. Sustavi temeljeni na sadržaju su usredotočeni na atribute predmeta i daju preporuke temeljene na sličnosti među predmetima, a sustavi temeljeni na suradnji su usredotočeni na odnose između korisnika i predmeta tj. na sličnosti među korisnicima i/ili predmetima. Glavna značajka sustava za preporučivanje je određivanje koliko su dva predmeta ili korisnika slična, a to se može izračunati koristeći neku od mjera sličnosti. Najčešće korištena mjera sličnosti je kosinusna sličnost te je ona korištena i kod implementacije algoritama u ovom radu. Za evaluaciju sustava za preporučivanje izvan mreže koriste se statističke mjere preciznosti koje računaju koliko sustav precizno može predvidjeti kako bi korisnici ocijenili filmove koje su već vidjeli. U ovom radu opisane su različite metode i algoritmi koji se koriste pri implementaciji sustava za preporučivanje. Isprobani su neki od najčešće korištenih algoritama koji su objašnjeni uz priložene dijelove koda. Algoritmi su evaluirani koristeći mjere preciznosti. Korišten je skup podataka MovieLens koji sadrži podatke s internetske stranice za preporuku filmova. Za implementaciju je korišten programski jezik Python i njegove programske knjižice Pandas i Surprise.
Sažetak (engleski)
Recommendation systems are used on many websites. Their goal is to identify what is interesting to the user and to isolate and display such items. That requires gathering data that reveals the user's taste i.e. the ratings, events and behavior of the user. The data is saved in the form of a user-item matrix in which for each user-item pair a value is given that represents the degree of preference of that user for that item. Recommendation systems can be classified into content-based and collaboration-based systems. Content-based systems focus on item attributes and they make recommendations based on similarities between items, while collaboration-based systems focus on user-item relationships, i.e. similarities between users and/or objects. The main feature of the recommendation system is to determine how similar the two items or users are and this can be calculated using one of the similarity measures. The most commonly used similarity measure is cosine similarity and it was also used in the implementation of the algorithms in this paper. Statistical accuracy measures are used to evaluate recommendation systems offline. They calculate how accurately the system can predict how would users rate movies they have already seen. This paper describes the various methods and algorithms used in implementing the recommendation system. Some of the most commonly used algorithms were tested and evaluated using accuracy measures. Dataset that was used is a MovieLens dataset which contains data from the movie recommendation website. Algorithms were implemented using the Python programming language and its libraries Pandas and Surprise.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:195:112392
Studijski programNaziv: Informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra informatike (mag. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
RepozitorijRepozitorij Fakulteta informatike i digitalnih tehnologija Sveučilišta u Rijeci
Datum i vrijeme pohrane2019-12-03 12:08:51

(©) Nacionalna i sveučilišna knjižnica u Zagrebu 2015. Sva prava pridržana. | Hrvatske bratske zajednice 4 p.p. 550, 10000 Zagreb, Hrvatska Tel. ++ 385 1 616-4040
OIB: 84838770814 | IBAN: HR66 2340 0091 1000 1008 1, Porezni broj (PDV identifikacijski broj) - VAT Number: HR84838770814
Prijava u repozitorij