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.

• 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