| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Metodoloģijas izstrāde adaptīvo un tradicionālo algoritmu sintēzei rekomendāciju sistēmās e-komercijas platformā |
| Nosaukums angļu valodā |
Development of a Methodology for the Synthesis of Adaptive and Traditional Algorithms in Recommendation Systems on E-commerce Platforms |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Aleksejs Jurenoks |
| Recenzents |
Ainārs Auziņš |
| Anotācija |
Pēdējos gados e-komercija attīstās arvien ātrāk un, lai nodrošinātu lietotāju
piesaisti un palielinātu pārdošanas apjomus, tiek plaši izmantotas rekomendāciju
sistēmas. Tradicionālās metodes nespēj pielāgoties lietotājam reāllaikā, savukārt
adaptīvās metodes bieži prasa lielus aprēķināšanas resursus.
Bakalaura darbs ir veltīts rekomendāciju sistēmu pilnveidošanai e-komercijas
platformās, apvienojot statisko satura balstītu filtrēšanu un adaptīvo LinUCB
algoritmu, tādējādi apvienojot vienkāršību un stabilus ieteikumus ar spēju pielāgoties
un reāllaika reaģēt uz lietotāja interešu izmaiņām. Pētījuma gaitā tika analizētas
tradicionālās un adaptīvās rekomendāciju sistēmu metodes un to ierobežojumi.
Aprobācijas laikā izstrādātais risinājums tika testēts ar publiski pieejamo datu kopu,
simulējot reālus e-komercijas apstākļus. Eksperimentā tika salīdzinātas tradicionālā
satura balstīta filtrēšana, adaptīva LinUCB pieeja un abu metožu kombinācija. Pēc
eksperimenta veikšanas ir secināts, ka piedāvātā metodoloģija uzlabo rekomendāciju
precizitāti un nodrošina lietotājam piemērotākus ieteikumus. Aptaujas dati, kas iegūti
no e-komercijas pārstāvjiem, apstiprina risinājuma nepieciešamību, īpaši jauniem
uzņēmumiem ar ierobežotu datu daudzumu.
Dati pamattekstā ir 50 lapaspuses, 9 attēli, 7 tabulas, 2 pielikumi un 25
izmantotie informācijas avoti. |
| Atslēgas vārdi |
Rekomendāciju sistēmas metodes, satura balstīta filtrēšana, LinUCB |
| Atslēgas vārdi angļu valodā |
Recommendation system methods, content based filtering, LinUCB |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
29.05.2025 17:13:27 |
