📄Работа №11966
Тема: Реализация алгоритмов коллаборативной фильтрации (item based) для рекомендательной системы электронного каталога библиотеки
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Информатика и вычислительная техника
Объем:
73 листов
Год:
2016
Просмотров:
893
5900
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 12
1 Обзор литературы 15
2 Объект и методы исследования 17
2.1 Постановка задачи 17
2.2 Данные, на основе которых строятся рекомендации 17
2.3 Требования к алгоритмам 19
2.4 Обоснование использования программных средств 19
3 Реализация алгоритмов коллаборативной фильтрации (item based) для
рекомендательной системы электронного каталога библиотеки 21
3.1 Подход на основе схожести документов 22
3.2 Пример расчета матрицы подобия и рекомендации для пользователя .. 24
4 Результаты 28
4.1 Выборочная проверка результатов 28
5 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение ... 33
5.1 Оценка коммерческого потенциала и перспективности проведения
научных исследований с позиции ресурсоэффективности и ресурсосбережения 34
5.1.1 Анализ конкурентных технических решений 34
5.2 Планирование научно-исследовательских работ 36
5.2.1 Структура работ в рамках научного исследования 36
5.2.2 Определение трудоемкости выполнения работ 37
5.2.3 Разработка графика проведения научного исследования 38
5.2.4 Бюджет научно-технического исследования (НТИ) 39
5.3 Определение ресурсной (ресурсосберегающей), финансовой,
бюджетной, социальной и экономической эффективности исследования 42
6 Социальная ответственность 47
6.1 Производственная безопасность 48
6.2 Повышенный уровень электромагнитных излучений; повышенная
напряжённость электрического поля 48
6.3 Недостаточная освещённость рабочей зоны; отсутствие или
недостаток естественного света 50
6.4 Повышенная или пониженная влажность воздуха 53
6.5 Повышенный уровень шума 54
6.6 Электрический ток 55
6.7 Экологическая безопасность 56
6.8 Безопасность в чрезвычайных ситуациях. Пожарная безопасность 57
6.9 Правовые и организационные вопросы обеспечения безопасности 59
6.9.1 Организационные мероприятия обеспечения безопасности 59
6.9.2 Особенности законодательного регулирования проектных
решений 60
Заключение 62
Список использованной литературы 63
Приложение А 65
Приложение Б 66
Приложение В 67
1 Обзор литературы 15
2 Объект и методы исследования 17
2.1 Постановка задачи 17
2.2 Данные, на основе которых строятся рекомендации 17
2.3 Требования к алгоритмам 19
2.4 Обоснование использования программных средств 19
3 Реализация алгоритмов коллаборативной фильтрации (item based) для
рекомендательной системы электронного каталога библиотеки 21
3.1 Подход на основе схожести документов 22
3.2 Пример расчета матрицы подобия и рекомендации для пользователя .. 24
4 Результаты 28
4.1 Выборочная проверка результатов 28
5 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение ... 33
5.1 Оценка коммерческого потенциала и перспективности проведения
научных исследований с позиции ресурсоэффективности и ресурсосбережения 34
5.1.1 Анализ конкурентных технических решений 34
5.2 Планирование научно-исследовательских работ 36
5.2.1 Структура работ в рамках научного исследования 36
5.2.2 Определение трудоемкости выполнения работ 37
5.2.3 Разработка графика проведения научного исследования 38
5.2.4 Бюджет научно-технического исследования (НТИ) 39
5.3 Определение ресурсной (ресурсосберегающей), финансовой,
бюджетной, социальной и экономической эффективности исследования 42
6 Социальная ответственность 47
6.1 Производственная безопасность 48
6.2 Повышенный уровень электромагнитных излучений; повышенная
напряжённость электрического поля 48
6.3 Недостаточная освещённость рабочей зоны; отсутствие или
недостаток естественного света 50
6.4 Повышенная или пониженная влажность воздуха 53
6.5 Повышенный уровень шума 54
6.6 Электрический ток 55
6.7 Экологическая безопасность 56
6.8 Безопасность в чрезвычайных ситуациях. Пожарная безопасность 57
6.9 Правовые и организационные вопросы обеспечения безопасности 59
6.9.1 Организационные мероприятия обеспечения безопасности 59
6.9.2 Особенности законодательного регулирования проектных
решений 60
Заключение 62
Список использованной литературы 63
Приложение А 65
Приложение Б 66
Приложение В 67
📖 Введение
Общая цель работы это исследование рекомендательных систем для информационных ресурсов библиотек. Такие системы позволяют делать рекомендации в автоматическом режиме на основе предпочтений читателей. В отечественной практике такие исследования не выполнялись и примеров реализаций рекомендательных систем для отечественных библиотек нам не известны. Библиотечное сообщество России не раз выражало социальный заказ на необходимость применения рекомендательных систем для решения системных проблем, с которыми сталкиваются современные библиотеки [1]. Для создания таких систем требуется совмещать современные информационные технологии, математические модели и методы, а также учитывать специфику библиотечной отрасли. В связи с этим была создана неформальная, инициативная группа, которая включает в себя специалистов в области создания информационных систем (ИСЭ СО РАН), библиотечных специалистов (НТБ ТПУ), научных сотрудников (ИВТ СО РАН), студентов направления прикладной математики и информатики (ПМ ТПУ). Цель работы группы - это выполнить исследование моделей, методов и алгоритмов, которые могут применяться для рекомендательных систем в информационных системах библиотек.
Данная работа выполнена в составе группы исследователей и направлена на практическую реализацию алгоритмов построения рекомендаций для читателей библиотек. Цель данной работы заключается в реализации алгоритмов коллаборативной фильтрации (сноска: которая еще известна как item based подход) для рекомендательной системы электронного каталога библиотеки. Полученные результаты могут быть использованы в автоматизированной библиотечно-информационной системе для получения рекомендаций на основе профиля читателя и электронного каталога библиотеки, а также для проведения вычислительных экспериментов для оценки качества математических моделей, которые применяются для создания рекомендаций.
Объектом исследования является модель рекомендательной системы для электронного каталога библиотеки. Предметом исследования являются алгоритмы, которые могут применяться для создания рекомендаций на основе данных о материалах библиотечного фонда.
С научной точки зрения необходимо исследовать математическую модель рекомендательной системы для библиотеки, которая в зависимости от предпочтений читателей, автоматически формирует рекомендации из электронного каталога библиотеки.
Практическая значимость рекомендательных систем для библиотек:
1. Читатель библиотеки получает рекомендации, которые формируются с учетом предпочтений всех читателей библиотеки. Т.е. рекомендуются те материалы из фонда библиотеки, которые пользуются популярностью среди читателей.
2. Рекомендательные системы могут выполнять ключевую роль в продвижении электронных информационных ресурсов, которые отражены в электронном каталоге библиотеки. Так как рекомендации могут формироваться как для конкретного читателя библиотеки, так и для отдельного документа.
3. Рекомендательные системы, учитывающие профиль читателя библиотеки, его поведение, а также его предпочтения, могут использоваться для последующего пополнения фондов библиотек.
Результатом работы является реализация алгоритма коллаборативной фильтрации на языке программирования Python. Алгоритм коллаборативной фильтрации был реализован с учетом применения различных метрик для определения степени близости документов, а также с учетом задания входных параметров математической модели. В реализации используются условно-вероятностная метрика и косинусная метрика. Это позволяет исследователю выполнить сравнение качества математических моделей в зависимости от метрики и входных параметров модели. Апробация работы выполнялась для электронного каталога Научно-технической библиотеки НИ ТПУ и доступна в качестве отдельного сервиса[2].
Данная работа выполнена в составе группы исследователей и направлена на практическую реализацию алгоритмов построения рекомендаций для читателей библиотек. Цель данной работы заключается в реализации алгоритмов коллаборативной фильтрации (сноска: которая еще известна как item based подход) для рекомендательной системы электронного каталога библиотеки. Полученные результаты могут быть использованы в автоматизированной библиотечно-информационной системе для получения рекомендаций на основе профиля читателя и электронного каталога библиотеки, а также для проведения вычислительных экспериментов для оценки качества математических моделей, которые применяются для создания рекомендаций.
Объектом исследования является модель рекомендательной системы для электронного каталога библиотеки. Предметом исследования являются алгоритмы, которые могут применяться для создания рекомендаций на основе данных о материалах библиотечного фонда.
С научной точки зрения необходимо исследовать математическую модель рекомендательной системы для библиотеки, которая в зависимости от предпочтений читателей, автоматически формирует рекомендации из электронного каталога библиотеки.
Практическая значимость рекомендательных систем для библиотек:
1. Читатель библиотеки получает рекомендации, которые формируются с учетом предпочтений всех читателей библиотеки. Т.е. рекомендуются те материалы из фонда библиотеки, которые пользуются популярностью среди читателей.
2. Рекомендательные системы могут выполнять ключевую роль в продвижении электронных информационных ресурсов, которые отражены в электронном каталоге библиотеки. Так как рекомендации могут формироваться как для конкретного читателя библиотеки, так и для отдельного документа.
3. Рекомендательные системы, учитывающие профиль читателя библиотеки, его поведение, а также его предпочтения, могут использоваться для последующего пополнения фондов библиотек.
Результатом работы является реализация алгоритма коллаборативной фильтрации на языке программирования Python. Алгоритм коллаборативной фильтрации был реализован с учетом применения различных метрик для определения степени близости документов, а также с учетом задания входных параметров математической модели. В реализации используются условно-вероятностная метрика и косинусная метрика. Это позволяет исследователю выполнить сравнение качества математических моделей в зависимости от метрики и входных параметров модели. Апробация работы выполнялась для электронного каталога Научно-технической библиотеки НИ ТПУ и доступна в качестве отдельного сервиса[2].
✅ Заключение
В процессе выполнения работы был реализован алгоритм коллаборативной фильтрации для рекомендательной системы электронного каталога библиотеки. Данный алгоритм был внедрен на сайт электронного каталога библиотеки ТПУ[2].
Выбобочная проверка данных показала ожидаемые результаты, это говорит о том, что алгоритм работает корректно. Рекомендуемые документы попадают в список рекомендаций на основании предпочтений пользователей электронного каталога библиотеки. Созданная рекомендательная система отвечает всем заявленным требованиям.
Проделанная мной работа является начальной точкой отсчета работы всей созданной группы, которая позволит более углубленно изучить модель рекомендательной системы, существующие методы расчета рекомендаций. Дальнейшая работа всей группы предполагает качественную оценку получаемых рекомендаций с использованием расчетов по различным метрикам подобия, и их сравнительный анализ. Детальное изучение существующих методов позволит произвести усовершенствование существующих решений. Так же остается проблема «Холодного старта», когда нет возможности произвести расчет и выдать список рекомендованных документов для документа или пользователя, которые отсутствуют в таблице заказов. Данную проблему предполагается решить с использованием гибридных систем.
Выбобочная проверка данных показала ожидаемые результаты, это говорит о том, что алгоритм работает корректно. Рекомендуемые документы попадают в список рекомендаций на основании предпочтений пользователей электронного каталога библиотеки. Созданная рекомендательная система отвечает всем заявленным требованиям.
Проделанная мной работа является начальной точкой отсчета работы всей созданной группы, которая позволит более углубленно изучить модель рекомендательной системы, существующие методы расчета рекомендаций. Дальнейшая работа всей группы предполагает качественную оценку получаемых рекомендаций с использованием расчетов по различным метрикам подобия, и их сравнительный анализ. Детальное изучение существующих методов позволит произвести усовершенствование существующих решений. Так же остается проблема «Холодного старта», когда нет возможности произвести расчет и выдать список рекомендованных документов для документа или пользователя, которые отсутствуют в таблице заказов. Данную проблему предполагается решить с использованием гибридных систем.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.