Ieteikumu sistēmu metožu analīze un modeļa izstrāde

Abstract

Ieteikumu sistēmas ir efektīvs informācijas filtrēšanas rīks. Tās pielieto visdažādākajās dzīves jomās, lai prognozētu lietotāju preferences un sniegtu personalizētus ieteikumus, kas uzlabo lietotāju pieredzi dažādās digitālajās platformās. Darbā tiek pētītas ieteikumu sistēmas un tajās pielietotās metodes, to priekšrocības un trūkumi, kā arī izklāstīti to pamatdarbības principi. Tiek apkopota un apskatīta zinātniskā literatūra, un, balstoties uz to, veikts teorētisks metožu salīdzinājums, lai analizētu gan to līdzību, gan daudzveidību. Praktiskajā daļā tiek analizētas metodes, balstoties uz metrikām, ko lieto, lai novērtētu šādu sistēmu lietderīgumu un precizitāti ieteikumu veidošanā. Darba beigās tiek praktiski izveidots hibrīdais modelis, kas apvieno divas dažādas ieteikumu sistēmu metodes. Rezultātā veikti secinājumi, balstoties uz apkopoto teorētisko literatūru un praktiski analizētajām metodēm.

Recommendation systems are an effective tool for filtering information. They are used in all kinds of areas of life to predict user preferences and provide personalized recommendations that improve the users experience across digital platforms. This thesis explores recommendation systems and the methods that are used in them, their advantages and disadvantages, and outlines their basic working principles. A review of scientific literature is conducted and, based on it, a theoretical comparison of methods is made to analyze both the similarities and the diversity of these methods. The practical part analyses the methods based on metrics used to assess the usefulness and accuracy of such systems in making recommendations. The paper concludes with the practical development of a hybrid model that combines two different methods of recommendation systems. As a result, conclusion are drawn based on the scientific literature and the methods analyzed in practice.