izpis_h1_title_alt

Razvoj priporočilnega sistema za personalizacijo ponudbe trgovine s tekstilnimi izdelki
Gostiša, Karmen (Avtor), Kukar, Matjaž (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (1,05 MB)
MD5: DABE391518873883C62E860DBAD86FF0

Izvleček
V diplomskem delu se posvetimo problemu razvoja priporočilnega sistema za trgovino s tekstilnimi artikli na podlagi podatkov o nakupih. V prvem delu pregledamo teoretično ozadje priporočilnih sistemov in povezovalnih pravil. V nadaljevanju opišemo podatke in kvantitativno ter kvalitativno predstavimo njihove osnovne značilnosti. Podrobneje opišemo metode, s katerimi smo se lotili razvoja priporočilnega sistema in sicer, metodi najbližjih sosedov ter matrični razcep. Rezultate metod primerjamo z naivno metodo priporočanja najbolj priljubljenih artiklov in pri vseh dosežemo bistveno boljše rezultate. Najbolje se je izkazal matrični razcep, ki bi ga lahko uporabili v produkcijski aplikaciji.

Jezik:Slovenski jezik
Ključne besede:priporočilni sistem, priporočanje na podlagi vsebine, priporočanje na podlagi sodelovanja, strojno učenje, matrični razcep, povezovalna pravila
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2017
Število ogledov:1498
Število prenosov:407
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Recommender system for personalized assortment in a clothing store
Izvleček:
In the diploma thesis we are dealing with the problem of developing a recommender system for a clothing store based on transaction data. We start with theoretical basics about recommenders and association rules. Afterwards we describe data and represent its quantitative and qualitative aspects. We continue with the detailed explanation of implemented methods, namely, nearest neighbors and matrix factorization. In the end we compare the results of our methods with naive method of recommending most popular products, achieving much better results. Matrix factorization produced the best results and we would use it in production.

Ključne besede:recommender system, content-based filtering, collaborative filtering, machine learning, matrix factorization, association rules

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj