Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Information Technology
Title in original language Datu ieguves metožu un pieeju izmantošana ieteikumu sistēmās
Title in English Application of Data Mining Methods and Approaches in Recommendation Systems
Author Rihards Zīlītis
Department 12100 Institute of Information Technology
Scientific advisor Dr. sc. ing. Sergejs Paršutins
Reviewer Mg. sc. ing. Olga Bikova
Abstract Personalizēta satura piedāvāšana ir veids kā uzlabot klienta pieredzi un palielināt pakalpojuma sniedzēja ieņēmumus un nostiprināt klientu bāzi. Personalizēts saturs klientiem tiek piedāvāts personalizētu ieteikumu veidā, kas tiek ģenerēti, izmantojot datu ieguves algoritmus. Pētījuma mērķis ir izpētīt datu ieguves metožu un pieeju izmantošanas iespējas ieteikumu sistēmā un izstrādāt lietotni sistēmas veiktspējas novērtēšanai. Mērķa sasniegšanai, tika izpētīta literatūra par datu ieguves metožu un pieeju izmantošanu ieteikumu sistēmā, tika izpētīta literatūra par ieteikumu sistēmu veidiem un implementēšanas pieejām, sagatavoti dati analīzei, izstrādāts tuvākajā apkārtnē bāzētas kolaboratīvās filtrēšanas ieteikumu sistēmas prototips, kas paredzēts filmu ieteikšanai, balstoties uz līdzīgu lietotāju filmu vērtējumiem, veikti praktiski eksperimenti, lai salīdzinātu konkrētu datu ieguves metožu piemērotību ieteikumu sistēmu vajadzībām, kā arī apkopoti iegūtie rezultāti. Analizējot iegūtos rezultātus, tika noteikti atsevišķu datu ieguves metožu trūkumi ieteikumu sistēmu kontekstā, kas var novest pie neefektīvas ieteikumu sistēmas darbības un izvirzīti priekšlikumi, lai atkarībā no problēmsfēras specifikas, palīdzētu izvēlēties piemērotu ieteikumu sistēmu veidu un piemērotas datu ieguves metodes. Darba apjoms – 61 lpp., 7 tabulas, 13 attēli un 1 pielikums.
Keywords ieteikumu sistēma, datu ieguve, kolaboratīvā filtrēšana, saturā bāzētas ieteikumu sistēmas, personalizēts saturs
Keywords in English recommender system, recommendation system, data mining, collaborative filtering, content based recommender system, personalized content
Language lv
Year 2015
Date and time of uploading 04.06.2015 20:56:45