prikaz prve stranice dokumenta Razvoj i analiza izvedbe sustava za preporuku
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
Razvoj i analiza izvedbe sustava za preporuku
Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. urn:nbn:hr:179:217867
Čikotić, Ante
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Institucijski repozitorij: Repozitorij Fakulteta elektrotehnike, strojarstva i brodogradnje

Citirajte ovaj rad

Čikotić, A. (2021). Razvoj i analiza izvedbe sustava za preporuku (Diplomski rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:217867

Čikotić, Ante. "Razvoj i analiza izvedbe sustava za preporuku." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:217867

Čikotić, Ante. "Razvoj i analiza izvedbe sustava za preporuku." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:217867

Čikotić, A. (2021). 'Razvoj i analiza izvedbe sustava za preporuku', Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 20.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:217867

Čikotić A. Razvoj i analiza izvedbe sustava za preporuku [Diplomski rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2021 [pristupljeno 20.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:217867

A. Čikotić, "Razvoj i analiza izvedbe sustava za preporuku", Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:217867

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:217867
Podaci o radu
NaslovRazvoj i analiza izvedbe sustava za preporuku
Naslov (engleski)The development and analysis of recommender system
AutorAnte Čikotić
MentorAna Kuzmanić Skelin (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2021-07-23, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj diplomski rad bavi se razvojem i analiza računalnog sustava za preporuke. Dan je pregled metoda i algoritama koji se koriste u sustavima za preporuke („recommender systems“) s naglaskom na trima glavnim pristupima: sustav temeljen na pristupu filtriranja sadržaja, sustav temeljen na suradničkom filtriranju, te hibridni model. U praktičnom dijelu rada, obrađena su sve tri kategorije sustava. Za sustav temeljen na sadržaju korišteno je filtriranje po tekstualnim i numeričkim metapodacima. Za sustav temeljen na suradnji korištene su metode grupa sličnih korisnika i grupa sličnih predmeta, a za hibridni sustav napravljen je model koji u nekoliko navrata izmjenjuje filtriranje po sadržaju pa suradnji, kako bi se dobile što preciznije preporuke te izbjegao problem hladnog starta. U praktičnom dijelu rada obrađene su tri javno dostupne baze podataka: „MovieLens Dataset“, „IMDb movies extensive dataset“ i „MPST: Movie Plot Synopses with Tags“, pri čemu su korištene Pythonove biblioteke Scikit-learna i Plotlya.
Sažetak (engleski)
This master thesis deals with the development and the analysis of a movie recommender system. An overview of methods and algorithms used in recommender systems are given, with an emphasis on three main approaches: content-based filtering system, collaborative filtering system, and a hybrid approach using collaborative filtering and content-based filtering. In the practical part of the thesis, all the three approaches are addressed. Content-based filtering by textual and numerical metadata was used for the content-based system. For a system based on collaborative filtering, the methods of a group of similar users and a group of similar objects were used, and in a hybrid approach a model was developed that alternates content based filtering and collaborative filtering, in order to obtain more precise recommendations and to avoid the problem of a cold start. Three publicly available databases were used in the analysis: "MovieLens Dataset", "IMDb Movie Extensive Dataset" and "MPST: Movie Plot Synopses with Tags". Recommender systems were built upon Python libraries: Scikit-Learn and Plotly.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:217867
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. com.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-12-01 11:22:21