Neuronové sítě pro doporučování knih
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá oblastí doporučovacích systémů využívající hluboké neuronové sítě pro doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém obsahuje faktorizaci matice jako techniku kolaborativního filtrování a doporučuje na základě minulých uživatelských hodnocení a knižních metadat, včetně textového popisu knih. Navrhl jsem 2 modely, jeden s bag-of-words a druhý s konvoluční sítí. Oba modely dosahují lepších výsledků než baseline metody. Na vytvořené datové sadě, která byla vytvořena z knižní databáze Goodreads, dosahuje model s konvoluční sítí ještě lepšího výsledku než model s BOW.
This thesis deals with the field of recommendation systems using deep neural networks and their use in book recommendation. There are the main traditional recommender systems analysed and their representations are summarized, as well as systems with more advanced techniques based on machine learning. The core of the thesis is to use convolutional neural networks for natural language processing and create a hybrid book recommendation system. Suggested system includes matrix factorization and make recommendation based on user ratings and book metadata, including texts descriptions. I designed two models, one with bag-of-words technique and one with convolutional neural network. Both of them defeat baseline methods. On the created data set, that was created from the Goodreads, model with CNN beats model with BOW.
This thesis deals with the field of recommendation systems using deep neural networks and their use in book recommendation. There are the main traditional recommender systems analysed and their representations are summarized, as well as systems with more advanced techniques based on machine learning. The core of the thesis is to use convolutional neural networks for natural language processing and create a hybrid book recommendation system. Suggested system includes matrix factorization and make recommendation based on user ratings and book metadata, including texts descriptions. I designed two models, one with bag-of-words technique and one with convolutional neural network. Both of them defeat baseline methods. On the created data set, that was created from the Goodreads, model with CNN beats model with BOW.
Description
Keywords
doporučovací systém, neuronové sítě, konvoluční neuronové sítě, knihy, knižní doporučovací systém, zpracování přirozeného jazyka, kolaborativní filtrování, faktorizace matice, recommender system, neural networks, convolution neural networks, books, books recommender system, book recommendation, natural language processing, collaborative filtering, matrix factorization
Citation
GRÁCA, M. Neuronové sítě pro doporučování knih [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Inteligentní systémy
Comittee
doc. Ing. Richard Růžička, Ph.D., MBA (předseda)
prof. Dr. Ing. Pavel Zemčík (místopředseda)
doc. Ing. Lukáš Burget, Ph.D. (člen)
Ing. Ondřej Lengál, Ph.D. (člen)
doc. Ing. Oldřich Trenz, Ph.D. (člen)
doc. Ing. František Zbořil, Ph.D. (člen)
Date of acceptance
2018-08-28
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " B ". Otázky u obhajoby: Na straně 38 píšete že funkce RMSE je vhodná pro doporučení nejvyššího hodnocení. Proč? Jakou funkci by jste využil pro optimalizace nejpřesnějšího odhad hodnocení, a ne odhad nejvyššího?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení