Využití doporučovacích systémů v dobývání znalostí

Bc. Jiří NĚMEC

Master's thesis

The Application of Recommender Systems in Knowledge-Mining

Abstract:

Předmětem práce je analýza možností využití doporučovacích systémů v oblasti dobývání znalostí. Teoretická část práce (kap. 2-4) mapuje řešenou problémovou ob- last: pomocí práce s odbornou literaturou a dalšími zdroji kontextuálně ukotvuje problematiku doporučovacích systémů a vymezuje tři základní typy doporučovacích systémů (kolaborativní, založené na obsahu a hybridní). Na základě analýzy sou- časného stavu pak definuje cíle a metodiku řešení práce. Cílem práce je vyhodnotit, který ze tří konceptů doporučovacích systémů poskytuje předpovědi s nejmenší chy- bovostí v problémové doméně doporučování filmů. Tento cíl je naplněn praktickou částí práce (kap. 5-7) - nejprve byl navržen a vytvořen vlastní doporučovací sys- tém sloužící pro získání doporučení filmů z filmové databáze na základě preferencí uživatele a následně bylo experimentálně ověřeno, který z doporučovacích systémů produkuje přesnější výsledky.

Abstract:

The subject of the work is to analyze the possibilities of application of recommender systems in the field of data mining. The theoretical part of the work (chapters 2-4) maps given problem field: by using professional literature and other sources contextually grounds the problem of recommender systems and defines three basic types of recommender systems (collaborative, content-based and hybrid). Based on the analysis of the current state, it defines the aims and methodology of the work. The goal of the thesis is to evaluate which of three concepts of recommender systems provides forecast with the lowest error rate in the domain of recommending movies. This target is fulfilled by the practical part of the work (chapters 5-7) - at first, own recommender system was designed and created, capable of obtaining movies recommendation from the database based on the user?s preferences. Next it was verified experimentally, which recommender system produces more accurate results.

Keywords

informační přetížení, doporučovací systémy, kolaborativní doporučování uživatel-uživatel, kolaborativní doporučování položka-položka, doporučovací systémy založené na obsahu, hybridní doporučovací systémy, koncept vážených vah, datasety, MovieLens

Language used: Czech

Date on which the thesis was submitted / produced: 27. 4. 2015

Accessible from:: 27. 4. 2015

Thesis defence

• Date of defence: 21. 5. 2015
• Supervisor: doc. RNDr. PaedDr. Eva Volná, Ph.D.

University of Ostrava

Faculty of Science

Master programme / field:
Information Science / Information Systems