Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Informācijas tehnoloģija
Nosaukums Datu ieguves metožu un pieeju izmantošana ieteikumu sistēmās
Nosaukums angļu valodā Application of Data Mining Methods and Approaches in Recommendation Systems
Struktūrvienība 12100 Informācijas tehnoloģijas institūts
Darba vadītājs Dr. sc. ing. Sergejs Paršutins
Recenzents Mg. sc. ing. Olga Bikova
Anotācija 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.
Atslēgas vārdi ieteikumu sistēma, datu ieguve, kolaboratīvā filtrēšana, saturā bāzētas ieteikumu sistēmas, personalizēts saturs
Atslēgas vārdi angļu valodā recommender system, recommendation system, data mining, collaborative filtering, content based recommender system, personalized content
Valoda lv
Gads 2015
Darba augšupielādes datums un laiks 04.06.2015 20:56:45