Детальная информация

Данная работа посвящена проектированию рекомендательной системы для новых книжных сервисов и электронных библиотек, в которых отсутствует часть персонализированных рекомендаций. Задачи, которые решились в ходе исследования: Изучение проектирование методов рекомендательных систем; Изучение основных формул для создания и проверки рекомендательных систем; Ознакомление с основными методами моделирования информационных систем; Реализованы контентная модель на основе TF-IDF, коллаборативная модель SVD и модель на основе популярности; Проведена сравнительная оценка реализованных моделей с использованием метрик качества ранжирования и прогнозирования рейтингов. Практическая реализация и тестирование рекомендательной системы на реальных данных. В ходе исследования были изучены основные методы гибридных рекомендательных систем для интеграции в книжные сервисы. Разработано математическое обоснование системы на основе TF-IDF, SVD, косинусного сходства и взвешенного объединения нормализованных оценок. Для программной реализации выбрана клиент-серверная архитектура с React-интерфейсом, REST API на Django и базой данных SQLite. Проведено экспериментальное исследование на наборе данных Book-Crossing и выполнено сравнение рекомендаций, основанных на популярности книг, с контентной, коллаборативной и гибридной моделями.

This study focuses on the design of a recommender system for emerging book services and digital libraries that do not yet provide a personalized recommendation module. The following objectives were accomplished during the study: The main methods for designing recommender systems were examined. The principal mathematical formulas used to develop and evaluate recommender systems were studied. The main methods of information system modelling were reviewed. A content-based model using TF-IDF, a collaborative model using SVD, and a popularity-based model were implemented. The implemented models were comparatively evaluated using ranking-quality and rating-prediction metrics. The recommender system was practically implemented and tested using real-world data. The study examined the main hybrid recommendation methods suitable for integration into book services. A mathematical foundation for the system was developed using TF-IDF, SVD, cosine similarity, and the weighted combination of normalized scores. A client-server architecture comprising a React-based user interface, a REST API implemented with Django, and an SQLite database was selected for the software implementation. An experimental study was conducted using the Book-Crossing dataset, and recommendations based on book popularity were compared with content-based, collaborative, and hybrid recommendation models.