prikaz prve stranice dokumenta Implementacija i evaluacija preporučiteljskih sustava
Rad nije dostupan
diplomski rad
Implementacija i evaluacija preporučiteljskih sustava
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. urn:nbn:hr:168:669657
Hrestak, Domagoj
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Hrestak, D. (2017). Implementacija i evaluacija preporučiteljskih sustava (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:669657

Hrestak, Domagoj. "Implementacija i evaluacija preporučiteljskih sustava." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:669657

Hrestak, Domagoj. "Implementacija i evaluacija preporučiteljskih sustava." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:669657

Hrestak, D. (2017). 'Implementacija i evaluacija preporučiteljskih sustava', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:669657

Hrestak D. Implementacija i evaluacija preporučiteljskih sustava [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2017 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:669657

D. Hrestak, "Implementacija i evaluacija preporučiteljskih sustava", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2017. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:669657

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:669657
Podaci o radu
NaslovImplementacija i evaluacija preporučiteljskih sustava
Naslov (engleski)Implementation and Evaluation of Recommender Systems
AutorDomagoj Hrestak
MentorKrešimir Pripužić (mentor)
Član povjerenstvaKrešimir Pripužić (predsjednik povjerenstva)
Član povjerenstvaDragan Jevtić (član povjerenstva)
Član povjerenstvaMarin Vuković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2017-09-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Diplomski rad bavi se istraživanjem i evaluacijom postojećih te novijih, manje poznatih preporučiteljskih algoritama poput FolkRank, MostPopular, BLL+C i 3LT u primjeni nad skupovima podataka dohvaćenih iz web sustava za kolaborativno kategoriziranje sadržaja odnosno folksonomija. Korišten je jedan skup podataka s platforme MovieLens koji predstavlja široku folksonomiju te jedan skup podataka s platforme Flickr koji predstavlja usku folksonomiju. Za evaluaciju algoritama koristi se lagano modificirani radni okvir otvorenog koda TagRec koji je dostupan na platformi GitHub, pisan u programskom jeziku Java i namijenjen znanstvenoj zajednici za standardizirani pristup uporabi i testiranju preporučiteljskih algoritama. U radu se opisuje i uspoređuje šest preporučiteljskih algoritama, četiri dobro poznata te dva nova koji se razlikuju po kompleksnosti i brzini izvođenja. Korištene su standardne evaluacijske metrike odziv, preciznost, F1-score, NDCG. Konačno, u radu su navedene prednosti i nedostaci radnog okvira TagRec, preporuke za poboljšanje te rasprava o daljnjem razvoju preporučiteljskih sustava i algoritama.
Sažetak (engleski)
Focus of this master thesis is on research and evaluation of existing recommender algorithms such as FolkRank, MostPopular, BLL+C, 3LT in use with real world folksonomy datasets. For the purpose of research two datasets were used, MovieLens 20M and Flickr, representing broad and narrow folksonomies, respectively. For evaluating the existing algorithms a slightly modified TagRec framework was used, an open-source tag recommender framework available on GitHub and written in Java. Its purpose is to provide a standardized tag recommender benchmarking framework. This thesis also describes and compares six different recommender algorithms, four of them well-known and two novel ones, which all differentiate by complexity and speed of execution. Standardized Information Retrieval metrics were used such as Recall, Precision, F1-score, NDCG. Finally, this thesis describes advantages and disadvantages of TagRec framework, gives advice for improvement and discusses further development of recommender systems and algorithms.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:669657
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-13 20:53:18