Розробка рекомендаційної системи для підбору фільмів, книг та ігор на основі аналізу користувацьких запитів

Abstract

Об’єкт дослідження – процес формування персоналізованих рекомендацій мультимедійного контенту для користувачів цифрових платформ. Предмет дослідження – методи та засоби побудови інтелектуальної системи семантичних рекомендацій на основі NLP-технологій, текстових ембедингів та аналізу поведінкових даних користувача. Мета роботи – розробка практичної реалізація інтелектуальної системи семантичних рекомендацій медіаконтенту, що забезпечує персоналізовані рекомендації фільмів, книг та відеоігор на основі аналізу природномовних запитів користувача. Методи дослідження – теоретичний, експериментальний. Методи розробки базуються на технології текстових ембедингів Sentence Transformers, мірі косинусної схожості для семантичного порівняння, а також методах контентної фільтрації. У бакалаврській роботі досліджено сучасні підходи до побудови рекомендаційних систем та методи семантичного аналізу природної мови. Проведено аналіз контентної, колаборативної та гібридної фільтрації, розглянуто застосування трансформерних моделей і великих мовних моделей для формування персоналізованих рекомендацій. Розроблено веборієнтовану рекомендаційну систему для підбору фільмів, книг та відеоігор на основі природномовних запитів користувача.