Vytvoření doporučovacího systému na bázi neuronových sítí v oblasti e-commerce

Martin Šatra

Diplomová práce

Development of a recommendation system based on neural networks in the field of e-commerce

Anotace:

V dnešní době stále více společností využívá možnosti internetového obchodování, což způsobuje postupný nárůst konkurence v této oblasti. Rostoucí konkurence nutí společnosti, aby se co nejvíce snažily zaujmout zákazníky za účelem maximalizace svých prodejů. Jednou z možností, jak toho mohou dosáhnout, je využití křížového prodeje, který spočívá v nabízení produktů souvisejících se zákazníkovým nákupem. Za účelem doporučování správných produktů se budují doporučovací systémy. V oblasti strojového učení existuje řada způsobů, jak takové systémy vytvářet, přičemž nejmodernější a nejvýkonnější podoby doporučovacích systémů využívají technologií neuronových sítí. Tato práce se zabývá tvorbou doporučovacího systému na bázi neuronových sítí pro podporu prodeje v internetovém obchodování prostřednictvím doporučování produktů na základě aktuálního stavu zákazníkova košíku. Hlavním cílem práce je vytvoření doporučovacího systému schopného predikovat položky, o které by mohl zákazník projevit, mimo již vybrané položky, potencionální zájem, a to na základě aktuální struktury zákazníkova košíku. K naplnění hlavního cíle je nutné splnit tyto kroky. •Provedení rešerše v oblasti moderních doporučovacích systémů a zmíněných neuronových sítí •Vytvoření doporučovacího systému pro produkty společnosti Rotorama na podporu křížového prodeje •Otestování a vyhodnocení úspěšnosti vytvořeného systému Zajištění poznatků o moderních doporučovacích systémech je řešeno formou literární rešerše. Pro vytvoření doporučovacího systému je využívána metoda kontrolního seznamu Aureliena Gerona. Úspěšnost vytvořeného systému je vyhodnocena pomocí expertních znalostí zaměstnanců společnosti Rotorama. Přínosem práce je vyzkoušení nového přístupu strojového učení k řešení problému doporučování v oblasti internetového obchodování, které vyúsťuje v komplexní návod pro vytváření doporučovacích systémů. Výstupem práce je funkční doporučovací systém připravený pro implementaci, včetně výsledků jeho testování.

Abstract:

Nowadays, more and more companies are engaging in online trading, leading to a gradual competition increase in this area. Due to the rising competition, companies are compelled to attract customers as much as possible to maximize their sales. One way they can achieve this is through cross-selling, which involves offering products related to the customer's purchase. To recommend the right products, recommendation systems are created. In the field of machine learning, there are many ways to create these systems. The most advanced and powerful forms of them use neural network technology. This thesis focuses on creating a neural network-based recommendation system to enhance online sales by providing product recommendations derived from the contents of the customer's current shopping basket. The main goal of the thesis is to create a recommendation system capable of predicting items in which the customer could show a potential interest, based on the current structure of the customer's basket, while exclusively recommending items that are not already present in the basket. To fulfill the main objective, it is necessary to meet these steps. •Conducting research in the field of modern recommendation systems and the mentioned neural networks •Creation of a recommendation system for Rotorama company products to support cross-selling •Testing and evaluating the success of the created system Ensuring knowledge about modern recommendation systems is addressed through literary research. To create a recommendation system, the Aurélien Géron control list is employed. The success of the created system is evaluated through the expert knowledge of Rotorama company employees. The thesis's contribution represents the exploration of a new machine learning approach to solve the recommendation problem in the field of online trading, resulting in a comprehensive guide for the development of recommendation systems. The output of the thesis is a functional recommendation system prepared for implementation, including the results of its testing.

Klíčová slova

doporučovací systémy, neuronové sítě, FastApi, Tensorflow Recommenders, Doporučování

Keywords

FastApi, recommendations, TensorFlow Recommenders, neural networks, recommender systems

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 3. 12. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 1. 2024
• Vedoucí: Jan Mittner
• Oponent: Alena Buchalcevová

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Informační systémy a technologie / Vývoj informačních systémů