Hibrid szűrés alapú metaadat modellezés ajánlórendszerek számára

OData támogatás
Konzulens:
Dr. Szűcs Gábor
Távközlési és Médiainformatikai Tanszék

Az ajánlórendszerek az elmúlt évtizedben egyre kifinomultabbá váltak mind elméleti, mind implementációs szempontból tekintve, míg ezzel párhuzamosan bővült felhasználási területük, emiatt érdekes kutatási területnek tekinthetőek az adatbányászat világában.

Ez a diplomaterv összefoglalja a leggyakoribb ajánlórendszer fajtákat, azok előnyeit és hátrányait, továbbá, hogy hogyan és mi alapján osztályozzuk őket. Számos implementációs és kiértékelési lehetőségük is bemutatásra kerül. Egy biztosított keretrendszerre, és a Neo4j gráf adatbázisára épülő megoldások is részletes ismertetésre kerülnek egészen a gráf modell építésétől a gráf adatstruktúra erejét kiaknázó ajánló algoritmusok megvalósításáig. A Neo4j tulajdonsággráfjának funkciói és jellemzői szintén részét képezik a diplomatervnek, mint ahogy a gráf modellezés szempontjai is a Neo4j tulajdonságait szem előtt tartva. Továbbá szerepel a tartalomalapú és kollaboratív ajánló algoritmusok részletezése és tesztelése is elméleti és fejlesztési szempontból.

Végül az alap ajánló algoritmusok javítása végett két további hibrid módszer, és azok alapos összevetése is ismertetésre kerül az alap algoritmusokkal. A diplomatervet záró összefoglalásban olvashatók a hibrid ajánlórendszerekkel kapcsolatban elért eredmények és a továbbfejlesztési lehetőségek.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.