Recommender systems in Kentico Xperience

Bc. Peter Baltazarovič

Master's thesis

Abstract:

Prípady použitia odporúčacích systémov sa v posledných rokoch neustále zvyšujú a výber jednotlivých riešení je široký. Vybrať si ten najvhodnejší systém môže byť náročná úloha. Táto práca sa zaoberá výberom vhodného odporúčacieho riešenia dostupného vo forme služby. Systémy sú analyzované a porovnávané v kategóriách dôležitých z hľadiska odporúčania obsahu v rámci digitálnej platformy. Vyhodnotené sú ich dostupné modely odporúčaní, prevádzkové náklady a presnosť odporúčaní. Na základe tohto hodnotenia je vybraný systém s najlepšími výsledkami, ktorý je následne implementovaný ako modul pre Kentico Xperience.

Abstract:

The use cases of recommender systems have been steadily increasing within the last years, and the choices for recommender solutions are vast. Choosing the most suitable one can be a difficult task. This thesis addresses the need for selecting the right recommender solution available as a service. The recommender systems are analyzed and compared in categories that are vital from the standpoint of content recommendation in a digital experience platform. Their available recommendation models, operating cost, and accuracy of predictions are evaluated. From this evaluation, the leading recommender system is selected and implemented as a module for Kentico Xperience.

Keywords

Kentico Xperience, DXP, machine learning, .NET, recommender systems, personalization

Language used: English

Date on which the thesis was submitted / produced: 17. 5. 2022

Thesis defence

• Date of defence: 23. 6. 2022
• Supervisor: doc. RNDr. Tomáš Pitner, Ph.D.
• Reader: Ing. Jaroslav Kordula

Masaryk University

Faculty of Informatics

Master programme / field:
Software systems and services management / Software Systems Development Management