Студентські роботи

Персоналізовані рекомендаційні системи для електронної комерції на основі гібридних AI-моделей

Корнієнко, Д.С.

У роботі розглядається розробка рекомендаційної системи для електронної комерції, що базується на гібридній моделі штучного інтелекту. Основна мета дослідження – створення ефективного методу рекомендацій, який поєднує колаборативну та контентну фільтрацію. Для цього було використано алгоритм TF-IDF для аналізу текстових описів об'єктів і метод SVD для виявлення прихованих закономірностей у взаємодії користувачів із товарами чи послугами. Інтеграція результатів двох підходів здійснюється через зважену формулу, що дозволяє досягти високої точності та персоналізації рекомендацій. Практична частина роботи включає впровадження запропонованої моделі в Python із застосуванням бібліотек Scikit-learn та LightFM, а також використання Yelp Dataset для навчання і тестування системи. Виконано детальний аналіз якості рекомендацій за допомогою метрик, таких як RMSE, Precision, Recall і MAP, що дозволило оцінити ефективність запропонованого підходу. Результати роботи демонструють, що гібридна рекомендаційна система перевершує традиційні підходи в умовах недостатності даних, забезпечуючи точні, персоналізовані рекомендації. Розроблений метод може бути застосований у різних сферах електронної комерції для підвищення якості обслуговування та задоволення клієнтів.

Українська

2025

штучний інтелект

Національний університет "Полтавська політехніка імені Юрія Кондратюка"

Корнієнко Д.С. Персоналізовані рекомендаційні системи для електронної комерції на основі гібридних AI-моделей : кваліф. робота магістра зі спеціальності 122 «Комп'ютерні науки» / Д.С. Корнієнко. – Полтава : Нац. ун-т ім. Юрія Кондратюка, 2025. – 90 с.