Implementacija i evaluacija preporučiteljskih sustava

diplomski rad

• Naslov (engleski): Implementation and Evaluation of Recommender Systems
• Autor: Domagoj Hrestak
• Mentor: Krešimir Pripužić (mentor)
• Član povjerenstva: Krešimir Pripužić (predsjednik povjerenstva)
• Član povjerenstva: Dragan Jevtić (član povjerenstva)
• Član povjerenstva: Marin Vuković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-09-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Diplomski rad bavi se istraživanjem i evaluacijom postojećih te novijih, manje poznatih preporučiteljskih algoritama poput FolkRank, MostPopular, BLL+C i 3LT u primjeni nad skupovima podataka dohvaćenih iz web sustava za kolaborativno kategoriziranje sadržaja odnosno folksonomija. Korišten je jedan skup podataka s platforme MovieLens koji predstavlja široku folksonomiju te jedan skup podataka s platforme Flickr koji predstavlja usku folksonomiju. Za evaluaciju algoritama koristi se lagano... Više modificirani radni okvir otvorenog koda TagRec koji je dostupan na platformi GitHub, pisan u programskom jeziku Java i namijenjen znanstvenoj zajednici za standardizirani pristup uporabi i testiranju preporučiteljskih algoritama.
U radu se opisuje i uspoređuje šest preporučiteljskih algoritama, četiri dobro poznata te dva nova koji se razlikuju po kompleksnosti i brzini izvođenja. Korištene su standardne evaluacijske metrike odziv, preciznost, F1-score, NDCG. Konačno, u radu su navedene prednosti i nedostaci radnog okvira TagRec, preporuke za poboljšanje te rasprava o daljnjem razvoju preporučiteljskih sustava i algoritama.
Sakrij dio sažetka

Sažetak (engleski)

Focus of this master thesis is on research and evaluation of existing recommender algorithms such as FolkRank, MostPopular, BLL+C, 3LT in use with real world folksonomy datasets. For the purpose of research two datasets were used, MovieLens 20M and Flickr, representing broad and narrow folksonomies, respectively. For evaluating the existing algorithms a slightly modified TagRec framework was used, an open-source tag recommender framework available on GitHub and written in Java. Its... Više purpose is to provide a standardized tag recommender benchmarking framework.
This thesis also describes and compares six different recommender algorithms, four of them well-known and two novel ones, which all differentiate by complexity and speed of execution. Standardized Information Retrieval metrics were used such as Recall, Precision, F1-score, NDCG. Finally, this thesis describes advantages and disadvantages of TagRec framework, gives advice for improvement and discusses further development of recommender systems and algorithms.
Sakrij dio sažetka

• Ključne riječi: Preporučiteljski algoritmi; evaluacija; folksonomija; oznake; TagRec; Flickr; MovieLens; Information Retrieval
• Ključne riječi (engleski): Recommender algorithms; recommender systems; evaluation; folksonomy; TagRec; Flickr; MovieLens; Information Retrieval
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:669657
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 20:53:18