Doporučování filmů na základě uživatelských profilů ČSFD
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá problematikou využití neuronových sítí pro doporučování filmů. Je zde obecně popsán princip využití neuronových sítí u strojového učení a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a zhodnocení systému, jehož cílem je doporučování filmů na základě dat vydolovaných z uživatelských profilů ČSFD (Česko-Slovenské filmové databáze). Pro splnění tohoto účelu systém využívá explicitní faktorizační model založený na kolaborativním filtrování mezi položkami k co nejpřesnějšímu odhadu hodnocení, které by uživatel filmu po jeho shlédnutí udělil. Práce dále řeší souvislost obsáhlosti datové sady a přesnosti doporučení a demonstruje tuto přesnost analýzou zpětné vazby uživatelů.
This thesis covers the topic of utilizing neural nets for recommending movies. The principle of using neural nets with machine learning and both the general and the advanced techniques of creating a recommender system are also covered in the thesis. The core of the thesis is the design, implementation and finally the evaluation of a system for movie recommendations based upon the data mined from the user profiles from the ČSFD (Czech-Slovak film database). In order to accomplish this goal the system utilizies an explicit factorization model based on collaborative filtering between items to predict an accurate rating that the user would presumably give to a movie after watching it. This thesis also describes the relation between dataset size and prediction accuracy and demonstrates this accuracy by analyzing user feedback.
This thesis covers the topic of utilizing neural nets for recommending movies. The principle of using neural nets with machine learning and both the general and the advanced techniques of creating a recommender system are also covered in the thesis. The core of the thesis is the design, implementation and finally the evaluation of a system for movie recommendations based upon the data mined from the user profiles from the ČSFD (Czech-Slovak film database). In order to accomplish this goal the system utilizies an explicit factorization model based on collaborative filtering between items to predict an accurate rating that the user would presumably give to a movie after watching it. This thesis also describes the relation between dataset size and prediction accuracy and demonstrates this accuracy by analyzing user feedback.
Description
Keywords
doporučovací systémy, neuronové sítě, latentní faktorové modely, filmy, kolaborativní filtrování, doporučování filmů, faktorizace matic, spotlight, dolování dat, ČSFD, recommender systems, neural networks, latent factor models, movies, collaborative filtering, movie recommendations, matrix factorization, spotlight, data mining, CSFD
Citation
JANKO, P. Doporučování filmů na základě uživatelských profilů ČSFD [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. František Zbořil, Ph.D. (předseda)
doc. RNDr. Dana Hliněná, Ph.D. (místopředseda)
doc. Ing. Lukáš Burget, Ph.D. (člen)
Ing. František Grézl, Ph.D. (člen)
Ing. Josef Strnadel, Ph.D. (člen)
Date of acceptance
2019-06-13
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student nedokázal vyvrátit výtky oponenta. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující. Otázky u obhajoby: Kolik procent z celkového počtu uživatelů a filmů ČSFD je v práci využito? Proč byli vybráni uživatelé, kteří hodnotili 50 až 5000 jakýchkoli filmů a nevybírali se na základě hodnocení použitých 4350 filmů? Jakou chybu měl použitý model a jakou chybu by měl triviální model, který by předpovídal, že každý uživatel ohodnotí každý film 4 hvězdičkami? Jak souvisí velikost chyby tohoto triviálního modelu s použitou datovou sadou? Na slidech jste prezentoval faktorizaci matic a trénování sítě. Jak jste trénoval síť? Popište architekturu systému. Co je ztrátová funkce? Jaký je výstup Vámi navržené neuronové sítě? Jak Váš systém doporučuje filmy?
Result of defence
práce nebyla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení