Міронова, К. В.2022-02-112022-02-112021Міронова К. В. Дослідження та використання методів розпізнавання зображень для рекомендаційних систем : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 - Комп’ютерні науки / К. В. Міронова; М-во освіти та науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2021. – 107 с.https://openarchive.nure.ua/handle/document/19650Об’єкт дослідження – процес формування персональних рекомендацій продуктів на базі вподобань користувача і технологій розпізнавання зображень. Предмет дослідження – методи та моделі формування персональних рекомендацій із застосуванням підходів до розпізнавання зображень. Мета роботи – підвищення ефективності роботи рекомендаційних систем за рахунок врахування візуальних ознак зображень продуктів. Для досягнення мети необхідно виконати такі завдання: − здійснити порівняльний аналіз існуючих методів створення рекомендацій та розпізнавання зображень; − розробити гібридний алгоритм вирішення поставленої задачі; − спроектувати та розробити прототип рекомендаційної системи; − проаналізувати ефективність роботи алгоритму. Методи дослідження – теоретичні (абстрагування, порівняння, аналіз літератури) та емпіричні (опис та моделювання) методи, системний підхід. Наукова новизна результатів полягає у застосуванні розпізнавання зображень для формування гібридного методу для формування персональних рекомендацій. В результаті проведених досліджень вирішено задачу формування рекомендацій на базі попередньої взаємодії користувача з продуктами системи та їх текстовими та візуальними характеристиками, спроектована та побудована рекомендаційна система з використанням згорткових нейронних мереж. Запропонована технологія може бути застосована у будь-яких сервісах, що використовують рекомендації: у сфері електронної комерції, стримінгових сервісах, порталах новин, соціальних мережах та ін.ukгібридний методVGG19контентна фільтраціязгорткова нейронна мережакосинусна міра подібностірекомендаційна системарозпізнавання зображеньспільна фільтраціяCNNPYTHONOther