Ostvarenje sustava preporučivanja koristeći algoritam suradničkog filtriranja

završni rad

• Naslov (engleski): Recommendation Systems Implementation Using Collaborative Filtering Algorithm
• Autor: Andrija Raguž
• Mentor: Klemo Vladimir (mentor)
• Član povjerenstva: Klemo Vladimir (predsjednik povjerenstva)
• Član povjerenstva: Adrian Satja Kurdija (član povjerenstva)
• Član povjerenstva: Petar Afrić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-03, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu objašnjeni su sustavi preporučivanja. Sustavi preporučivanja služe online uslugama za bolju i personaliziraniju ponudu. Dijele se na tri osnovne skupine: sustave temeljene na sadržaju, sustave temeljene na suradničkom filtriranju i hibridne sustave koji su mješavina prethodna dva. Ovdje je pobliže opisan i implementiran algoritam suradničkog filtriranja. Sustavi suradničkog filtriranja dijele se na one temeljene na korisnik – korisnik odnosu i one temeljene na predmet – predmet odnosu. Suradničko filtriranje djeluje tako što izračuna sličnost između korisnika ili predmeta u bazi podataka pomoću neke matematičke funkcije npr. kosinus funkcija, Jaccardova funkcija itd. i na osnovu te sličnosti nađe određeni broj najsličnijih korisnika ili predmeta. Zatim koristeći njihove ocjene generira ocjene predmeta koje aktivni korisnik nije ocijenio i na osnovu toga stvara preporuke. Jednostavni oblik suradničkog filtriranja je implementiran koristeći programski jezik Python. Također, implementirana je mjera za evaluaciju sustava preporučivanja RMSE. RMSE uspoređuje stvarne i procijenjene vrijednosti ocjena i na osnovu toga vrednuje sustav preporučivanja.

Sažetak (engleski)

This paper explains recommendation systems. Recommendation systems are used by online services to provide a better and more personalized offer. They are divided into three basic groups: content-based systems, collaborative filtering-based systems, and hybrid systems that are a mixture of the previous two. The collaborative filtering algorithm is described and implemented in more detail here. Collaborative filtering systems are divided into those based on user-user relationship and those based on item-item relationship. Collaborative filtering works by calculating a similarity between a user or an item in a database using a mathematical function such as a cosine function, a Jaccard function, etc., and based on that similarity finds a number of the most similar users or items. It then uses their grades to generate item grades that the active user has not graded and creates recommendations based on that. A simple form of collaborative filtering is implemented using the Python programming language. Also, a measure was implemented to evaluate the RMSE recommendation system. RMSE compares actual and estimated scores and evaluates the recommendation system accordingly.

• Ključne riječi: sustavi preporučivanja; suradničko filtriranje; kosinus funkcija; korisnik – korisnik odnos; sličnost; generiranje ocjena; Python; RMSE
• Ključne riječi (engleski): recommendation systems; collaborative filtering; cosine function; user - user relationship; similarity; rating generation; Python; RMSE
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:590465
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 16:00:27