Neuronové sítě pro doporučování knih

Abstract

Tato práce se zabývá oblastí doporučovacích systémů využívající hluboké neuronové sítě pro doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém obsahuje faktorizaci matice jako techniku kolaborativního filtrování a doporučuje na základě minulých uživatelských hodnocení a knižních metadat, včetně textového popisu knih. Navrhl jsem 2 modely, jeden s bag-of-words a druhý s konvoluční sítí. Oba modely dosahují lepších výsledků než baseline metody. Na vytvořené datové sadě, která byla vytvořena z knižní databáze Goodreads, dosahuje model s konvoluční sítí ještě lepšího výsledku než model s BOW.This thesis deals with the field of recommendation systems using deep neural networks and their use in book recommendation. There are the main traditional recommender systems analysed and their representations are summarized, as well as systems with more advanced techniques based on machine learning. The core of the thesis is to use convolutional neural networks for natural language processing and create a hybrid book recommendation system. Suggested system includes matrix factorization and make recommendation based on user ratings and book metadata, including texts descriptions. I designed two models, one with bag-of-words technique and one with convolutional neural network. Both of them defeat baseline methods. On the created data set, that was created from the Goodreads, model with CNN beats model with BOW.