Детальная информация

Целью исследования является реализация рекомендательной системы по подбору фильмов. В качестве предмета исследования выступает автоматизация построениях рекомендательных систем. Методологическая основа работы включает в себя общенаучные и прикладные методы, такие как анализ, сравнение, моделирование, визуализация данных, а также эмпирические методы тестирования. При работе над практической реализацией использовались следующие информационные технологии: СУБД MySQL, облачный сервис для вычислений Google Colab, библиотеки Surprise, Scikit-learn В процессе работы проведен обзор существующих решений, выполнена подготовка данных и реализована гибридная система рекомендаций, основанная на сочетании контентно-ориентированного подхода и коллаборативной фильтрации с использованием базовых алгоритмов машинного обучения. Результатом исследования стала рекомендательная система, доступная через REST API, обеспечивающая генерацию персонализированных рекомендаций, регистрацию и обновление пользовательских интересов. Областью практического применения могут являться платформы онлайн-кинотеатров и цифровые медиасервисы. Полученные выводы подтверждают эффективность гибридного подхода по сравнению с базовыми моделями и обоснованность выбора инструментов, а также открывают перспективы для дальнейшего расширения функциональности и повышения качества рекомендаций.

The aim of the study is to implement a film selection recommendation system. The subject of the study is the automation of recommendation system construction. The methodological basis of the work includes general scientific and applied methods, such as analysis, comparison, modelling, data visualisation, as well as empirical testing methods. The following information technologies were used for the practical implementation: DBMS MySQL, cloud computing service Google Colab, libraries Surprise, Scikit-learn. In the process of work, a review of existing solutions was conducted, data preparation was performed and a hybrid recommendation system based on a combination of content-oriented approach and collaborative filtering using basic machine learning algorithms was implemented. The result of the research is a recommendation system accessible via REST API, providing generation of personalised recommendations, registration and updating of user interests. The area of practical application can be online cinema platforms and digital media services. The findings confirm the effectiveness of the hybrid approach compared to the basic models and the validity of the choice of tools, as well as open up prospects for further extending the functionality and improving the quality of recommendations.

• Разработка рекомендательной системы по подбору фильмов
  • Введение
  • 1. Исследование научных источников по рекомендательным системам
  • 2. Проектирование рекомендательной системы по подбору фильмов
  • 3. Реализация рекомендательной системы по подбору фильмов
  • 4. Тестирование рекомендательной системы по подбору фильмов
  • 5. Заключение
  • 6. Список использованных источников
  • Приложение 1 Программный код триггеров и процедур базы данных
  • Приложение 2 Программный код классов, реализующих рекомендательные модели
  • Приложение 3 Программный код серверной части
  • Приложение 4 Программный код модульных тестов
  • Приложение 5 Программный код оценки качества моделей
  • Приложение 6 Программный код теста на производительность моделей