Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
В данной работе проводится исследование подходов к использованию графовых нейронных сетей при решении задачи коллаборативной фильтрации (рекомендации фильмов и сериалов): принципы построения и обучения моделей. В практической части работы реализованы две модели графовых нейронных сетей: LightGCN и NGCF. Было выполнено подробное сравнение моделей по метрикам качества между собой и с представителем классических корреляционных моделей — непараметрической регрессией.
In the given work, we study approaches to the use of graph neural networks in solving the problem of collaborative filtering (recommendations of films and series): principles of building and training models. In the practical part of the work, two models of graph neural networks are implemented: LightGCN and NGCF. A detailed comparison of the models in terms of quality metrics was made with each other and with a representative of classical correlation models — nonparametric regression.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- Разработка рекомендательной системы фильмов и сериалов на основе графовых нейронных сетей
- Введение
- 1. Постановка задачи и обзор существующих подходов её решения
- 2. Обзор подходов к построению и обучению графовых нейронных сетей
- 3. Применение графовых нейронных сетей в рекомендательных системах
- 4. Разработка рекомендательной системы фильмов и сериалов
- 5. Эксперименты и результаты разработки рекомендательной системы фильмов и сериалов
- Заключение
- Список использованных источников
- Приложение 1. Программный код решения
Статистика использования
Количество обращений: 16
За последние 30 дней: 8 Подробная статистика |