prikaz prve stranice dokumenta Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije
No public access
master's thesis
Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:040277
Bago, Lucija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Bago, L. (2023). Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:040277

Bago, Lucija. "Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:040277

Bago, Lucija. "Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:040277

Bago, L. (2023). 'Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 21 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:040277

Bago L. Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 June 21] Available at: https://urn.nsk.hr/urn:nbn:hr:168:040277

L. Bago, "Ostvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:040277

Metadata
TitleOstvarenje sustava preporučivanja koristeći algoritam matrične faktorizacije
Title (english)Recommendation Systems Implementation Using Matrix Factorization Algorithm
AuthorLucija Bago
MentorKlemo Vladimir (mentor)
Committee memberKlemo Vladimir (predsjednik povjerenstva)
Committee memberMarin Šilić (član povjerenstva)
Committee memberGoran Delač (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-09-13, Croatia
Abstract
Sustavi preporučivanja imaju ključnu ulogu u današnjem digitalnom svijetu, olakšavajući korisnicima pristup raznim sadržajima, proizvodima i uslugama. Njihova svrha je pružiti personalizirane preporuke korisnicima na temelju različitih kriterija, kao što su njihove prethodne interakcije, afiniteti, stavovi ili sličnosti s drugim korisnicima. Upravo ih po tome možemo podijeliti na dvije osnovne vrste, a to su sustavi preporučivanja temeljeni na sadržaju i sustavi preporučivanja temeljeni na suradničkom filtriranju. Implementirani sustav preporučivanja je onaj temeljen na suradničkom filtriranju koji koristi ocjene korisnika za produkte kako bi pronašao slične korisnike i na temelju njihovih interakcija generirao nove preporuke. Metodom matrične faktorizacije, konkretno dekompozicijom matrice na singularne vrijednosti (SVD), modelirani su latentni faktori korisnika i produkata koji utječu na preciznost izrađenih preporuka te pospješuju personalizaciju postupka preporučivanja. Izgrađeni sustav vrjednovan je klasičnim metrikama validacije, a to su RMSE i MAE, te su uspoređene vrijednosti pojedine pogrješke za različite implementacije matrične faktorizacije.
Abstract (english)
Recommendation systems are crucial in today's digital world, facilitating users' access to various content, products, and services. Their purpose is to provide personalized recommendations to users based on multiple criteria, such as their previous interactions, preferences, opinions, or similarities with other users. We can categorize recommendation systems into two basic types: content-based recommendation systems and collaborative filtering recommendation systems. Collaborative filtering is the implemented recommendation system, which utilizes user ratings for products to find similar users and generate new recommendations based on their interactions. Through matrix factorization, specifically singular value decomposition (SVD), latent factors of users and products that influence the accuracy of the recommendations are modeled, enhancing the personalization of the recommendation process. Classic validation metrics, RMSE and MAE, were used to evaluate the built system and compare error values of matrix factorization implementations.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:040277
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 08:19:50