Sustav preporučivanja filmova zasnovan na sadržaju

završni rad

• Naslov (engleski): Content-based Movie Recommendation System
• Autor: Bartol Vinković
• Mentor: Klemo Vladimir (mentor)
• Član povjerenstva: Klemo Vladimir (predsjednik povjerenstva)
• Član povjerenstva: Adrian Satja Kurdija (član povjerenstva)
• Član povjerenstva: Lucija Šikić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-06-29, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Sustav preporučivanja na temelju sadržaja koristi mjere udaljenosti i sličnosti nad atributa objekta da izračuna sveukupnu sličnost dvaju objekata. Pojmovi sličnosti i udaljenosti su međusobno povezani u nekim slučajevima s izravnom relacijom. Kako bismo mogli napraviti takav sustav potrebno je pronaći prikladan skup podataka i filtrirati korisne podatke i urediti u smislenu cjelinu. Kako bismo bili sigurni da je naš sustav dobro izgrađen moramo provesti pokuse. Najdostupniji pokusi u offline pokusi za koje je samo potrebno imati korisničke podatke prema kojima možemo modelirati korisnika. Najčešći način evaluacije sustava preporučivanja je usporedba s drugim sustavom. Usporedbe radimo testove kojima povlačimo zaključke koji sustav ima bolje performanse, te statistički obradimo rezultate kako bismo bili sigurni da su rezultati pouzdani. Prilikom offline pokusa moramo modelirati korisnika, ali pripaziti da naš model ne odstupa previše od pravog ponašanja korisnika.

Sažetak (engleski)

Content-based recommendation systems give recommendations using distance and similarity measures to determine the similarity of attributes of two objects and the total similarity. Similarity and distance are related terms, and in some cases have a direct relation with each other. In order to make such a system we need an appropriate dataset which we need to filter and organize. We need to conduct experiments to ensure that our system is working properly. The most available experiments are offline experiments for which we only need user-data that we use to model the users. The most common way of evaluating a recommender system is to compare it to another. The comparison is made with tests which determine which system better predicts user behavior. We conduct statistical analysis to determine that our results are repeatable. During the evaluation we need to make sure that our user model doesn't stray too much from real user behavior.

• Ključne riječi: preporučivanje; sličnost; obrada velikih skupova podataka; sadržaj
• Ključne riječi (engleski): recommendation; similarity; big data; content
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:889643
• 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: 2023-01-14 10:12:15