diplomsko delo
Gašper Slapničar (Avtor), Zoran Bosnić (Mentor)

Povzetek

Priporočilni sistemi so vseprisotna tehnologija na spletu in lahko ključno vplivajo na poslovne rezultate podjetij. V diplomskem delu se soočimo z razvojem produkcijskega priporočilnega sistema za spletno stran, ki ponuja ekološke nastanitve, ki dosegajo določene ekološke standarde (npr. uporaba sončne energije, filtriranje in ponovna uporaba vode, recikliranje odpadkov itd.). Najprej pregledamo tehnologije velikih podatkovnih množic (angl. big data) in ponudnike strojnega učenja v oblaku. Nato izberemo najustreznejšo platformo in jo uporabimo za zbiranje podatkov in razvoj priporočilnega sistema, ki vrača priporočila za uporabnika z uporabo algoritma matrične faktorizacije (angl. Alternating Least Squares, ALS) ter obenem vrača tudi podobne priporočilne objekte z uporabo Jaccardove podobnosti in evklidske razdalje. Na koncu sistem interno ocenimo na že zbranih podatkih z uporabo statistične mere Precision@k. Rezultati evalvacije so pokazali 19% točnost napovedi, kar je bistveno boljše od naključnega priporočanja, ki doseže 1% točnost. Predlagamo tudi možno implementacijo na spletni strani z namenom izboljšanja poslovnih rezultatov.

Ključne besede

priporočilni sistem;vzporedno računanje;strojno učenje;velike podatkovne množice;matrična faktorizacija;računalništvo;računalništvo in informatika;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [G. Slapničar]
UDK: 004.85:338.488.2(043.2)
COBISS: 1536565699 Povezava se bo odprla v novem oknu
Št. ogledov: 1755
Št. prenosov: 479
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Recommending accommodations using machine learning provider in a cloud
Sekundarni povzetek: Recommender systems are present almost everywhere on the web and can be the key to potentially improved business results. In this thesis we develop a production-ready recommender system for a website that offers eco-sustainable accommodations, that meet certain requirements (e.g. usage of solar energy, water filtering and reuse, waste recycling etc.). First we examine crucial big data technologies and some of the cloud-based machine learning platforms. We proceed to choose the best platform and use it to collect data and develop a recommender system, which returns predictions for a user, based on a matrix factorization algorithm (Alternating Least Squares, ALS). It also returns similar items based on Jaccard similarity and euclidian distance. We conclude with system evaluation by using Precision@k statistical measure. The evaluation results have shown 19% precision accuracy, which greatly exceeds the results of random recommendation that achieves 1% precision accuracy. We also propose a potential website implementation with the intention of improving business results.
Sekundarne ključne besede: recommender system;parallel computing;machine learning;big data;matrix factorization;computer science;computer and information science;diploma;
Vrsta datoteke: application/pdf
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 60 str.
ID: 8966325