Details

Целью данной работы является разработка клиент-серверного веб-приложения, с интеграцией гибридного рекомендательного алгоритма кинофильмов из 3 компонентов: модуля коллаборативной фильтрации, модуля контентной фильтрации и модуля рекомендаций, основанного на знаниях. В ходе работы проводится анализ предметной области, исследование архитектурных подходов к проектированию веб-приложения, определяются требования к проектируемому программному обеспечению, разрабатывается веб-сервис и гибридный алгоритм рекомендаций в соответствии с определенными требованиями, проводится анализ эффективности полученного алгоритма. Результатом работы является клиент-серверное веб-приложение, предназначенное для получения персонализированных рекомендаций кинофильмов посредством интегрированного в него гибридного алгоритма.

The aim of this work is to develop a client-server web application integrating a hybrid movie recommendation algorithm composed of three components: a collaborative filtering module, a content-based filtering module, and a knowledge-based recommendation module. The work includes an analysis of the subject area, a study of architectural approaches to web application design, the definition of requirements for the developed software, the development of the web service and the hybrid recommendation algorithm in accordance with the specified requirements, and an analysis of the effectiveness of the resulting algorithm. The result of the work is a client-server web application designed to provide personalized movie recommendations through an integrated hybrid algorithm.

• ВВЕДЕНИЕ
• ГЛАВА 1 ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ СОЗДАНИЯ АЛГОРИТМОВ РЕКОМЕНДАЦИИ
  • 1.1 ПОСТАНОВКА ЗАДАЧИ
  • 1.2 МЕТОДЫ РЕАЛИЗАЦИИ АЛГОРИТМОВ РЕКОМЕНДАЦИЙ
    • 1.2.1 КОЛЛАБОРАТИВНАЯ ФИЛЬТРАЦИЯ
    • 1.2.2 РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ ОСНОВАННЫЕ НА КОНТЕНТЕ
    • 1.2.3 РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ ОСНОВАННЫЕ НА ЗНАНИЯХ
    • 1.2.4 ГИБРИДНЫЕ РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ
      • 1.2.4.1 МОНОЛИТНЫЕ РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ
      • 1.2.4.2 АНСАМБЛИ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ
      • 1.2.4.3 СМЕШАННЫЕ ГИБРИДНЫЕ РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ
    • 1.2.5 СРАВНЕНИЕ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ
• ГЛАВА 2 ПРОЕКТИРОВАНИЕ АРХИТЕКТУРЫ ВЕБ-ПРИЛОЖЕНИЯ
  • 2.1 ТЕХНИЧЕСКОЕ ЗАДАНИЕ
    • 2.1.1 МАТЕМАТИЧЕСКАЯ ФОРМАЛИЗАЦИЯ
    • 2.1.2 ОПИСАНИЕ ТРЕБОВАНИЙ
      • 2.1.2.2 ФУНКЦИОНАЛЬНЫЕ ТРЕБОВАНИЯ
      • 2.1.2.3 ТЕХНИЧЕСКИЕ ТРЕБОВАНИЯ
  • 2.2 ОБЩАЯ АРХИТЕКТУРА
  • 2.3. КЛИЕНТ
    • 2.3.1 ОПИСАНИЕ ТРЕБОВАНИЙ
    • 2.3.2. АНАЛИЗ АРХИТЕКТУРНЫХ ПОДХОДОВ
    • 2.3.3. ПРОЕКТИРОВАНИЕ ПОЛЬЗОВАТЕЛЬСКИХ ФОРМ
  • 2.4. СЕРВЕР
    • 2.4.1. ОПИСАНИЕ ТРЕБОВАНИЙ
    • 2.4.2. АНАЛИЗ АРХИТЕКТУРНЫХ ПОДХОДОВ
    • 2.4.3. СПЕЦИФИКАЦИЯ REST API
  • 2.5. БАЗЫ ДАННЫХ
• ГЛАВА 3 ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ГИБРИДНОГО АЛГОРИТМА РЕКОМЕНДАЦИИ КИНОФИЛЬМОВ
  • 3.1. МОДУЛЬ КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ
    • 3.1.1. ФОРМИРОВАНИЕ МАТРИЦЫ ПОЛЬЗОВАТЕЛЬ-ФИЛЬМ
    • 3.1.2 РАСЧЕТ МЕРЫ СХОДСТВА
    • 3.1.3 ПРЕДСКАЗАНИЕ РЕЙТИНГА
  • 3.2. МОДУЛЬ КОНТЕНТНОЙ ФИЛЬТРАЦИИ
  • 3.3. МОДУЛЬ ОЦЕНКИ НА ОСНОВЕ ЗНАНИЙ
  • 3.4. ОБЩИЙ ГИБРИДНЫЙ МОДУЛЬ
• ГЛАВА 4 РЕАЛИЗАЦИЯ ВЕБ-СЕРВИСА С ИНТЕГРАЦИЕЙ АЛГОРИТМА РЕКОМЕНДАЦИИ
  • 4.1 МОДУЛЬ КЛИЕНТСКОЙ ЧАСТИ
    • 4.1.1 ВЫБОР ИНСТРУМЕНТОВ ДЛЯ РАЗРАБОТКИ
      • 1. React
      • 2. Angular
      • 3. Vue.js
      • 4. Итог
    • 4.1.2. РАЗРАБОТКА
  • 4.2 МОДУЛЬ СЕРВЕРНОЙ ЧАСТИ
    • 4.2.1 ВЫБОР ИНСТРУМЕНТОВ ДЛЯ РАЗРАБОТКИ
      • 1. Node.js
      • 2. Ruby on Rails
      • 3. Spring Boot
      • 4. ASP.NET Core
      • 5. Django
      • 6. Итог
    • 4.2.2. РАЗРАБОТКА
  • 4.3. ИНТЕГРАЦИЯ ГИБРИДНОГО АЛГОРИТМА
• ГЛАВА 5 АНАЛИЗ ЭФФЕКТИВНОСТИ ПОЛУЧЕННОГО АЛГОРИТМА
  • 5.1 АНАЛИЗ КАЧЕСТВЕННЫХ МЕТРИК
    • 5.1.1 УСПЕШНАЯ ИНТЕГРАЦИЯ ТРЕХ КОМПОНЕНТОВ ГИБРИДНОЙ МОДЕЛИ
    • 5.2.1 АДАПТИВНОСТЬ СИСТЕМЫ К ИЗМЕНЯЮЩИМСЯ ПРЕДПОЧТЕНИЯМ ПОЛЬЗОВАТЕЛЕЙ
    • 5.2.2 МАСШТАБИРУЕМОСТЬ АРХИТЕКТУРЫ ДЛЯ РОСТА ПОЛЬЗОВАТЕЛЬСКОЙ БАЗЫ
  • 5.2 АНАЛИЗ КОЛИЧЕСТВЕННЫХ МЕТРИК
    • 5.2.1 РАСЧЕТ ОШИБОК ПРЕДСКАЗАНИЯ
    • 5.2.2 РАСЧЕТ ВРЕМЕНИ ОТКЛИКА
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ